Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Algorithmes de couverture et d’augmentation de graphes sous contraintes de distance Bertrand Estellon sous la direction de Victor Chepoi et Yann Vaxès Université de la Méditerranée Laboratoire d’Informatique Fondamentale de Marseille Équipe Combinatoire et Recherche Opérationnelle Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Problématique générale Critères de qualité d’un réseau : Performance (Délais de transmission) Fiabilité (Résistance aux pannes) Graphes planaires δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Problématique générale Critères de qualité d’un réseau : Performance (Délais de transmission) Fiabilité (Résistance aux pannes) Graphes planaires δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Problématique générale Critères de qualité d’un réseau : Performance (Délais de transmission) Fiabilité (Résistance aux pannes) Graphes planaires δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Problématique générale Critères de qualité d’un réseau : Performance (Délais de transmission) Fiabilité (Résistance aux pannes) Graphes planaires δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problématique générale Problèmes d’augmentation. Ajouter un nombre minimum de liaisons à un réseau existant afin de satisfaire certains critères de qualité. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problème d’augmentation sous contraintes de diamètre Diamètre. Distance. u dG (u, v ) = 3 v dG (u, v ) = nombre minimum d’arêtes d’un chemin entre u et v . diam(G ) = distance maximale qui sépare deux sommets de G . Problème ADC (Augmentation under Diameter Constraints) Étant donné un graphe G = (V , E ) et un entier D, trouver un ensemble d’arêtes E ′ ⊆ V 2 de cardinalité minimale tel que le graphe augmenté G ′ = (V , E ∪ E ′ ) ait un diamètre au plus D. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problème d’augmentation sous contraintes de diamètre Diamètre. Distance. u u diam(G ) = 5 dG (u, v ) = 3 v dG (u, v ) = nombre minimum d’arêtes d’un chemin entre u et v . v diam(G ) = distance maximale qui sépare deux sommets de G . Problème ADC (Augmentation under Diameter Constraints) Étant donné un graphe G = (V , E ) et un entier D, trouver un ensemble d’arêtes E ′ ⊆ V 2 de cardinalité minimale tel que le graphe augmenté G ′ = (V , E ∪ E ′ ) ait un diamètre au plus D. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problème d’augmentation sous contraintes de diamètre Diamètre. Distance. u u diam(G ) = 5 dG (u, v ) = 3 v dG (u, v ) = nombre minimum d’arêtes d’un chemin entre u et v . v diam(G ) = distance maximale qui sépare deux sommets de G . Problème ADC (Augmentation under Diameter Constraints) Étant donné un graphe G = (V , E ) et un entier D, trouver un ensemble d’arêtes E ′ ⊆ V 2 de cardinalité minimale tel que le graphe augmenté G ′ = (V , E ∪ E ′ ) ait un diamètre au plus D. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problème d’augmentation sous contraintes de diamètre Un exemple. G D =2 E′ 1 a OPT = 6 2 3 4 5 6 7 8 9 10 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problème d’augmentation sous contraintes de diamètre Un exemple. G D =2 E′ 1 a OPT = 6 2 3 4 5 6 7 8 9 10 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problème d’augmentation sous contraintes de diamètre Un exemple. G D =2 E′ 1 2 3 5 4 6 8 7 9 a 3 2 7 4 OPT = 6 8 9 1 5 10 6 10 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Autres problèmes étudiés Prise en compte du critère de résistance aux pannes. Problème A2VP (Augmentation with 2 Vertex-disjoint Paths) Ajouter un nombre minimum d’arêtes au graphe G de sorte qu’il existe deux chemins sommets-disjoints de longueur au plus D entre chaque paire de sommets. Problème ADCE (Augm. with Diameter Constraints minus one Edge) Ajouter un nombre minimum d’arêtes au graphe G de sorte que le graphe augmenté conserve un diamètre ≤ D lorsqu’on lui supprime une arête. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Autres problèmes étudiés Prise en compte du critère de résistance aux pannes. Problème A2VP (Augmentation with 2 Vertex-disjoint Paths) Ajouter un nombre minimum d’arêtes au graphe G de sorte qu’il existe deux chemins sommets-disjoints de longueur au plus D entre chaque paire de sommets. ≤D ≤D Problème ADCE (Augm. with Diameter Constraints minus one Edge) Ajouter un nombre minimum d’arêtes au graphe G de sorte que le graphe augmenté conserve un diamètre ≤ D lorsqu’on lui supprime une arête. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Autres problèmes étudiés Prise en compte du critère de résistance aux pannes. Problème A2VP (Augmentation with 2 Vertex-disjoint Paths) Ajouter un nombre minimum d’arêtes au graphe G de sorte qu’il existe deux chemins sommets-disjoints de longueur au plus D entre chaque paire de sommets. ≤D ≤D Problème ADCE (Augm. with Diameter Constraints minus one Edge) Ajouter un nombre minimum d’arêtes au graphe G de sorte que le graphe augmenté conserve un diamètre ≤ D lorsqu’on lui supprime une arête. ≤D Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Objectifs Objectifs : Obtenir des algorithmes d’approximation ou des algorithmes à performance garantie pour les problèmes d’augmentation lorsque le graphe initial appartient à une classe de graphes donnée. Un algorithme d’approximation avec un facteur α est un algorithme : qui s’exécute en temps polynomial, qui retourne des solutions dont le coût est ≤ α · OPT + C . Classes de graphes étudiées : Arbres Graphes de largeur arborescente bornée Graphes planaires et planaires extérieurs Graphes δ-hyperboliques Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Objectifs Objectifs : Obtenir des algorithmes d’approximation ou des algorithmes à performance garantie pour les problèmes d’augmentation lorsque le graphe initial appartient à une classe de graphes donnée. Un algorithme d’approximation avec un facteur α est un algorithme : qui s’exécute en temps polynomial, qui retourne des solutions dont le coût est ≤ α · OPT + C . Classes de graphes étudiées : Arbres Graphes de largeur arborescente bornée Graphes planaires et planaires extérieurs Graphes δ-hyperboliques Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Objectifs Objectifs : Obtenir des algorithmes d’approximation ou des algorithmes à performance garantie pour les problèmes d’augmentation lorsque le graphe initial appartient à une classe de graphes donnée. Un algorithme d’approximation avec un facteur α est un algorithme : qui s’exécute en temps polynomial, qui retourne des solutions dont le coût est ≤ α · OPT + C . Classes de graphes étudiées : Arbres Graphes de largeur arborescente bornée Graphes planaires et planaires extérieurs Graphes δ-hyperboliques Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problèmes de couverture par des boules La boule BG (c, R) : c R Une boule de rayon R centrée sur c Problème de la R-couverture minimale Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, couvrir les sommets de S en utilisant un nombre minimum γG (S, R) de boules de rayon R (centrées sur des sommets de G ). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problèmes de couverture par des boules La boule BG (c, R) : c R Une boule de rayon R centrée sur c Problème de la R-couverture minimale Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, couvrir les sommets de S en utilisant un nombre minimum γG (S, R) de boules de rayon R (centrées sur des sommets de G ). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problèmes de couverture par des boules La boule BG (c, R) : c R Une 2-couverture : 1 0 00 11 00 11 11 00 00 11 0 11 0 00 1 1 00 11 10 11 00 00 00 11 00 11 11 00 0 11 0 11 0 1 1 0 1 0 1 0 1 00 0 1 1 0 1 Une boule de rayon R centrée sur c Problème de la R-couverture minimale Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, couvrir les sommets de S en utilisant un nombre minimum γG (S, R) de boules de rayon R (centrées sur des sommets de G ). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problèmes de couverture par des boules La boule BG (c, R) : c R Une 2-couverture : 1 0 00 11 00 11 11 00 00 11 0 11 0 00 1 1 00 11 10 11 00 00 00 11 00 11 11 00 0 11 0 11 0 1 1 0 1 0 1 0 1 00 0 1 1 0 1 Une boule de rayon R centrée sur c Problème de la R-couverture minimale Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, couvrir les sommets de S en utilisant un nombre minimum γG (S, R) de boules de rayon R (centrées sur des sommets de G ). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Problèmes de couverture par des boules La boule BG (c, R) : c R Une 2-couverture : 1 0 00 11 00 11 11 00 00 11 0 11 0 00 1 1 00 11 10 11 00 00 00 11 00 11 11 00 0 11 0 11 0 1 1 0 1 0 1 0 1 00 0 1 1 0 1 Une boule de rayon R centrée sur c Problème de la R-couverture minimale Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, couvrir les sommets de S en utilisant un nombre minimum γG (S, R) de boules de rayon R (centrées sur des sommets de G ). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Augmentations considérés pour le problème ADC Diamètre pair (D = 2R) : Rayon R Rayon R − 1 Diamètre impair (D = 2R + 1) : Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Augmentations considérés pour le problème ADC Diamètre pair (D = 2R) : Rayon R Rayon R − 1 E′ Diamètre impair (D = 2R + 1) : Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Augmentations considérés pour le problème ADC Diamètre pair (D = 2R) : Rayon R Rayon R − 1 E′ Diamètre impair (D = 2R + 1) : Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ (R − 1) + 1 + 1 + (R − 1) = 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ (R − 1) + 1 + 1 + (R − 1) = 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ (R − 1) + 1 + R = 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ (R − 1) + (R − 1) ≤ 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Augmentations considérés pour le problème ADC Admissibilité des solutions lorsque D = 2R est pair. Longueur du chemin ≤ 2R = D Contraintes supplémentaires : Les sommets non-couverts par les boules de rayon R − 1 doivent être deux à deux à distance au plus 2R dans le graphe initial. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R est pair. Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que le sous-ensemble des sommets non couverts soit de diamètre ≤ 2R. On a un algorithme d’approximation avec un facteur α pour résoudre le problème PCD. Si : On peut couvrir n’importe quel sous-ensemble de sommets de diamètre ≤ 2R avec β boules de rayon R. Alors on obtient un algorithme avec un facteur 2αβ pour ADC. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R est pair. Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que le sous-ensemble des sommets non couverts soit de diamètre ≤ 2R. On a un algorithme d’approximation avec un facteur α pour résoudre le problème PCD. Si : On peut couvrir n’importe quel sous-ensemble de sommets de diamètre ≤ 2R avec β boules de rayon R. Alors on obtient un algorithme avec un facteur 2αβ pour ADC. Diamètre ≤ 2R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R est pair. Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que le sous-ensemble des sommets non couverts soit de diamètre ≤ 2R. On a un algorithme d’approximation avec un facteur α pour résoudre le problème PCD. Si : On peut couvrir n’importe quel sous-ensemble de sommets de diamètre ≤ 2R avec β boules de rayon R. Alors on obtient un algorithme avec un facteur 2αβ pour ADC. Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R est pair. Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que le sous-ensemble des sommets non couverts soit de diamètre ≤ 2R. On a un algorithme d’approximation avec un facteur α pour résoudre le problème PCD. Si : On peut couvrir n’importe quel sous-ensemble de sommets de diamètre ≤ 2R avec β boules de rayon R. Alors on obtient un algorithme avec un facteur 2αβ pour ADC. Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Élaboration des solutions Analyse du facteur d’approximation lorsque D = 2R est pair. Soit E ∗ une augmentation optimale pour le problème ADC OPTPCD ≤ 2|E ∗ | Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Élaboration des solutions Analyse du facteur d’approximation lorsque D = 2R est pair. Soit E ∗ une augmentation optimale pour le problème ADC E∗ OPTPCD ≤ 2|E ∗ | Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Élaboration des solutions Analyse du facteur d’approximation lorsque D = 2R est pair. Soit E ∗ une augmentation optimale pour le problème ADC E∗ Rayon R − 1 OPTPCD ≤ 2|E ∗ | Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Élaboration des solutions Analyse du facteur d’approximation lorsque D = 2R est pair. Soit E ∗ une augmentation optimale pour le problème ADC E∗ Rayon R − 1 Diamètre ≤ 2R OPTPCD ≤ 2|E ∗ | Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R + 1 est impair. Problème de la Couverture Mixte Étant donné un graphe G , deux entiers positifs R1 et R2 et une fonction f , trouver une couverture de G avec n1 boules de rayon R1 et n2 boules de rayon R2 de façon à minimiser f (n1 , n2 ). Avec R1 := R − 1, R2 := R et f (n1 , n2 ) := n2 (n2 −1) 2 + n1 Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Élaboration des solutions Algorithme générique lorsque D = 2R + 1 est impair. Problème de la Couverture Mixte Étant donné un graphe G , deux entiers positifs R1 et R2 et une fonction f , trouver une couverture de G avec n1 boules de rayon R1 et n2 boules de rayon R2 de façon à minimiser f (n1 , n2 ). Avec R1 := R − 1, R2 := R et f (n1 , n2 ) := n2 (n2 −1) 2 + n1 Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules > 2R Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules > 2R Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules Un 2-packing : > 2R Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P 1 0 00 11 00 11 11 00 00 11 0 11 0 00 1 1 00 11 10 11 00 00 00 11 00 11 11 00 0 11 10 1 1 0 1 0 1 0 0 1 0 0 1 1 ⇒ solutions optimales Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Problèmes de packing par des boules Un 2-packing : > 2R Un sous-ensemble P ⊆ S est un R-packing de S si dG (u, v ) > 2R pour tous u, v ∈ P 1 0 00 11 00 11 11 00 00 11 0 11 0 00 1 1 00 11 10 11 00 00 00 11 00 11 11 00 0 11 10 1 1 0 1 0 1 0 0 1 0 0 1 1 ⇒ solutions optimales Problème du R-packing maximum (dual du problème de la R-couverture) Étant donné un graphe G = (V , E ), un sous-ensemble S ⊆ V et un rayon R, trouver un R-packing de S de cardinalité maximale νG (S, R). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité État de l’art Sans contrainte sur la topologie du graphe initial : Problème de la R-couverture minimale : Aussi difficile à approximer que SET COVER NP-difficile à approximer avec un facteur sous-logarithmique N. Alon, D. Moshkovitz, M. Safra (2006) Problème ADC : NP-difficile à approximer avec un facteur sous-logarithmique A.A. Schoone, H.L. Bodlaender, J. van Leeuwen (1987) Approximable avec facteur O(log2 n) Y. Dodis, S. Khanna (1999) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité État de l’art Sans contrainte sur la topologie du graphe initial : Problème de la R-couverture minimale : Aussi difficile à approximer que SET COVER NP-difficile à approximer avec un facteur sous-logarithmique N. Alon, D. Moshkovitz, M. Safra (2006) Problème ADC : NP-difficile à approximer avec un facteur sous-logarithmique A.A. Schoone, H.L. Bodlaender, J. van Leeuwen (1987) Approximable avec facteur O(log2 n) Y. Dodis, S. Khanna (1999) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires État de l’art Si le graphe initial est un arbre : Problème de la R-couverture minimale : Algorithme exact et linéaire γG (S, R) = νG (S, R) G. J. Chang (1988) Problème ADC : Approximable avec un facteur 2 lorsque D est pair V. Chepoi, Y. Vaxès (2002) Approximable avec un facteur 8 lorsque D est impair T. Ishii, S. Yamamoto, H. Nagamochi (2003) δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires État de l’art Si le graphe initial est un arbre : Problème de la R-couverture minimale : Algorithme exact et linéaire γG (S, R) = νG (S, R) G. J. Chang (1988) Problème ADC : Approximable avec un facteur 2 lorsque D est pair V. Chepoi, Y. Vaxès (2002) Approximable avec un facteur 8 lorsque D est impair T. Ishii, S. Yamamoto, H. Nagamochi (2003) δ-hyperbolicité Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Résultats de la thèse Partie I : Arbres et forêts. Si le graphe initial est un arbre : Couverture mixte : Algorithme polynomial exact Problème ADC : Facteur 2 + 1/δ lorsque D est impair Si le graphe initial est une forêt : NP-difficile à résoudre optimalement Problème A2VP : Approximable avec un facteur 6 NP-difficile à résoudre optimalement Problème ADCE : Approximable avec un facteur 4 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Résultats de la thèse Partie I : Arbres et forêts. Si le graphe initial est un arbre : Couverture mixte : Algorithme polynomial exact Problème ADC : Facteur 2 + 1/δ lorsque D est impair Si le graphe initial est une forêt : NP-difficile à résoudre optimalement Problème A2VP : Approximable avec un facteur 6 NP-difficile à résoudre optimalement Problème ADCE : Approximable avec un facteur 4 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Résultats de la thèse Partie II : Graphes généraux. Graphes de largeur arborescente bornée : R-couverture : γG (S, R) ≤ (tw (G ) + 1) · νG (S, R) Problème PCD : Facteur 2(tw(G)+1) Couverture mixte : Algorithme polynomial exact Facteur 4(tw (G ) + 1)2 lorsque D est pair Facteur 2 + (tw (G ) + 1)2 + 1/δ lorsque D est impair Problème ADC : Graphes δ-hyperboliques : R-couverture : Problème ADC : γG (S, R + δ) ≤ νG (S, R) ( Algorithme polynomial qui construit une solution pour D := 2R +2δ avec un nombre d’arêtes inférieur à 2 fois celui d’une solution optimale pour D := 2R. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Résultats de la thèse Partie II : Graphes généraux. Graphes de largeur arborescente bornée : R-couverture : γG (S, R) ≤ (tw (G ) + 1) · νG (S, R) Problème PCD : Facteur 2(tw(G)+1) Couverture mixte : Algorithme polynomial exact Facteur 4(tw (G ) + 1)2 lorsque D est pair Facteur 2 + (tw (G ) + 1)2 + 1/δ lorsque D est impair Problème ADC : Graphes δ-hyperboliques : R-couverture : Problème ADC : γG (S, R + δ) ≤ νG (S, R) ( Algorithme polynomial qui construit une solution pour D := 2R +2δ avec un nombre d’arêtes inférieur à 2 fois celui d’une solution optimale pour D := 2R. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Résultats de la thèse Partie II : Graphes généraux. Graphes planaires : R-couverture : Tout graphe planaire de diamètre ≤ 2R peut être couvert par un nombre constant de boules de rayon R (réponse à une question de Gavoille, Peleg, Raspaud et Sopéna) Plus généralement, νG (S, R) ≤ k implique γG (S, R) ≤ c(k) Problème ADC : Facteur O(log |V |) lorsque D est pair Graphes planaires extérieurs : R-couverture : γG (S, R) ≤ 2 · νG (S, R) Problème PCD : Algorithme polynomial avec une erreur additive de 7 Couverture mixte : Algorithme polynomial exact Facteur 2 lorsque D est pair Facteur 6 + 1/δ lorsque D est impair Problème ADC : Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Résultats de la thèse Partie II : Graphes généraux. Graphes planaires : R-couverture : Tout graphe planaire de diamètre ≤ 2R peut être couvert par un nombre constant de boules de rayon R (réponse à une question de Gavoille, Peleg, Raspaud et Sopéna) Plus généralement, νG (S, R) ≤ k implique γG (S, R) ≤ c(k) Problème ADC : Facteur O(log |V |) lorsque D est pair Graphes planaires extérieurs : R-couverture : γG (S, R) ≤ 2 · νG (S, R) Problème PCD : Algorithme polynomial avec une erreur additive de 7 Couverture mixte : Algorithme polynomial exact Facteur 2 lorsque D est pair Facteur 6 + 1/δ lorsque D est impair Problème ADC : Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f c g d e h Une décomposition arborescente de G = (V , E ) est valide si : 1 2 3 Chaque sommet de G est dans un nœud de l’arbre de décomposition. Pour chaque arête e ∈ E , un nœud de l’arbre de décomposition contient les deux extrémités de e. Pour chaque sommet x ∈ V , les nœuds qui contiennent x induisent un sous-arbre (connexe) de l’arbre de décomposition. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f c g d e h Une décomposition arborescente de G = (V , E ) est valide si : 1 2 3 Chaque sommet de G est dans un nœud de l’arbre de décomposition. Pour chaque arête e ∈ E , un nœud de l’arbre de décomposition contient les deux extrémités de e. Pour chaque sommet x ∈ V , les nœuds qui contiennent x induisent un sous-arbre (connexe) de l’arbre de décomposition. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f a c c cb e g d e bf g b ce d bg e e g h h Une décomposition arborescente de G = (V , E ) est valide si : 1 2 3 Chaque sommet de G est dans un nœud de l’arbre de décomposition. Pour chaque arête e ∈ E , un nœud de l’arbre de décomposition contient les deux extrémités de e. Pour chaque sommet x ∈ V , les nœuds qui contiennent x induisent un sous-arbre (connexe) de l’arbre de décomposition. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f a c c cb e g d e bf g b ce d bg e e g h h Une décomposition arborescente de G = (V , E ) est valide si : 1 2 3 Chaque sommet de G est dans un nœud de l’arbre de décomposition. Pour chaque arête e ∈ E , un nœud de l’arbre de décomposition contient les deux extrémités de e. Pour chaque sommet x ∈ V , les nœuds qui contiennent x induisent un sous-arbre (connexe) de l’arbre de décomposition. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f a c c cb e g d e bf g b ce d bg e e g h h Une décomposition arborescente de G = (V , E ) est valide si : 1 2 3 Chaque sommet de G est dans un nœud de l’arbre de décomposition. Pour chaque arête e ∈ E , un nœud de l’arbre de décomposition contient les deux extrémités de e. Pour chaque sommet x ∈ V , les nœuds qui contiennent x induisent un sous-arbre (connexe) de l’arbre de décomposition. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Définitions Définition de la largeur arborescente d’un graphe. N. Robertson et P.D. Seymour (1986) a b f a c c cb e g d e bf g b ce d bg e e g h h La largeur d’une décomposition arborescente est égale au plus grand nombre de sommets présents dans un nœud de l’arbre moins un. La largeur arborescente tw (G ) d’un graphe G est égale à la largeur minimale que l’on peut obtenir en considérant toutes les décompositions arborescentes valides de G . Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Résultats connus Il existe un algorithme linéaire pour trouver une décomposition arborescente optimale d’un graphe de largeur arborescente bornée. H.L. Bodlaender (1996) Les sommets d’un graphe G de diamètre ≤ 2R peuvent être couverts par tw (G ) + 1 boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Le problème de la R-couverture minimale se résout en temps polynomial dans un graphe de largeur arborescente bornée. E.D. Demaine, F.V. Fomin, M. Hajiaghayi et D.M. Thilikos (2003) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Résultats connus Il existe un algorithme linéaire pour trouver une décomposition arborescente optimale d’un graphe de largeur arborescente bornée. H.L. Bodlaender (1996) Les sommets d’un graphe G de diamètre ≤ 2R peuvent être couverts par tw (G ) + 1 boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Le problème de la R-couverture minimale se résout en temps polynomial dans un graphe de largeur arborescente bornée. E.D. Demaine, F.V. Fomin, M. Hajiaghayi et D.M. Thilikos (2003) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Résultats connus Il existe un algorithme linéaire pour trouver une décomposition arborescente optimale d’un graphe de largeur arborescente bornée. H.L. Bodlaender (1996) Les sommets d’un graphe G de diamètre ≤ 2R peuvent être couverts par tw (G ) + 1 boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Le problème de la R-couverture minimale se résout en temps polynomial dans un graphe de largeur arborescente bornée. E.D. Demaine, F.V. Fomin, M. Hajiaghayi et D.M. Thilikos (2003) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Problème PCD (Partial Covering under Diameter constraints) Étant donné un graphe G et un rayon R, couvrir partiellement G avec un nombre minimum de boules de rayon R − 1 de sorte que l’ensemble des sommets non couverts soit de diamètre ≤ 2R. Dans un graphe de largeur arborescente bornée, le problème PCD peut être approximé avec un facteur 2(tw (G ) + 1). Principe de l’algorithme : 1 On formule le problème PCD sous la forme d’un PLNE 2 On calcule une solution optimale fractionnaire 3 On détermine l’ensemble S des sommets à couvrir 4 On couvre les sommets de S en utilisant le résultat suivant : Dans un graphe G = (V , E ) de largeur arborescente bornée, on peut construire en temps polynomial une R-couverture B et un R-packing P de S tels que |B| ≤ (tw (G ) + 1)|P|. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Facteur 4(tw (G ) + 1)2 pour le problème ADC 1 calculer une couverture admissible B du problème PCD avec l’algorithme facteur 2(tw (G ) + 1). 2 ajouter tw (G ) + 1 boules de rayon R à la couverture B afin de couvrir tous les sommets de G . construire une augmentation admissible E ′ à partir de B. 3 Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Facteur 4(tw (G ) + 1)2 pour le problème ADC 1 calculer une couverture admissible B du problème PCD avec l’algorithme facteur 2(tw (G ) + 1). 2 ajouter tw (G ) + 1 boules de rayon R à la couverture B afin de couvrir tous les sommets de G . construire une augmentation admissible E ′ à partir de B. 3 Diamètre ≤ 2R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Facteur 4(tw (G ) + 1)2 pour le problème ADC 1 calculer une couverture admissible B du problème PCD avec l’algorithme facteur 2(tw (G ) + 1). 2 ajouter tw (G ) + 1 boules de rayon R à la couverture B afin de couvrir tous les sommets de G . construire une augmentation admissible E ′ à partir de B. 3 Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre pair (D = 2R) Facteur 4(tw (G ) + 1)2 pour le problème ADC 1 calculer une couverture admissible B du problème PCD avec l’algorithme facteur 2(tw (G ) + 1). 2 ajouter tw (G ) + 1 boules de rayon R à la couverture B afin de couvrir tous les sommets de G . construire une augmentation admissible E ′ à partir de B. 3 Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes de largeur arborescente bornée ⊲ Diamètre impair (D = 2R + 1) Dans les graphes de largeur arborescente bornée : Le problème de la couverture mixte est polynomial. γG (S, R) ≤ (tw (G ) + 1)νG (S, R). Facteur 2 + (tw (G ) + 1)2 + 1/δ pour le problème ADC 1 2 Construire une couverture mixte optimale B de G pour R1 := R, R2 := R − 1 et f (n1 , n2 ) := n2 (n2 − 1)/2 + n1 . Construire une augmentation admissible E ′ à partir de B. Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Conjecture de Gavoille, Peleg, Raspaud et Sopena. Il existe une constante (universelle) c telle que tout graphe planaire de diamètre 2R peut être couvert par c boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Théorème. Il existe une constante c telle que, dans tout graphe planaire, tout sous-ensemble de sommets S de diamètre ≤ 2R peut être couvert par c boules de rayon R. Résultat utilisé : La taille d’un transversal minimum d’une famille F est borné par un entier qui ne dépend que de p et de q si les deux conditions suivantes sont vérifiées : la dimension VC duale de F est au plus q − 1, la famille F vérifie la propriété (p, q) de Hadwiger-Debrunner. J. Matoušek (2004) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Conjecture de Gavoille, Peleg, Raspaud et Sopena. Il existe une constante (universelle) c telle que tout graphe planaire de diamètre 2R peut être couvert par c boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Théorème. Il existe une constante c telle que, dans tout graphe planaire, tout sous-ensemble de sommets S de diamètre ≤ 2R peut être couvert par c boules de rayon R. Résultat utilisé : La taille d’un transversal minimum d’une famille F est borné par un entier qui ne dépend que de p et de q si les deux conditions suivantes sont vérifiées : la dimension VC duale de F est au plus q − 1, la famille F vérifie la propriété (p, q) de Hadwiger-Debrunner. J. Matoušek (2004) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Conjecture de Gavoille, Peleg, Raspaud et Sopena. Il existe une constante (universelle) c telle que tout graphe planaire de diamètre 2R peut être couvert par c boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Théorème. Il existe une constante c telle que, dans tout graphe planaire, tout sous-ensemble de sommets S de diamètre ≤ 2R peut être couvert par c boules de rayon R. Résultat utilisé : La taille d’un transversal minimum d’une famille F est borné par un entier qui ne dépend que de p et de q si les deux conditions suivantes sont vérifiées : la dimension VC duale de F est au plus q − 1, la famille F vérifie la propriété (p, q) de Hadwiger-Debrunner. J. Matoušek (2004) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Conjecture de Gavoille, Peleg, Raspaud et Sopena. Il existe une constante (universelle) c telle que tout graphe planaire de diamètre 2R peut être couvert par c boules de rayon R. C. Gavoille, D. Peleg, A. Raspaud et E. Sopena (2001) Théorème. Il existe une constante c telle que, dans tout graphe planaire, tout sous-ensemble de sommets S de diamètre ≤ 2R peut être couvert par c boules de rayon R. Résultat utilisé avec B := {BG (s, R) : s ∈ S} : La taille d’un transversal minimum d’une famille B est borné par un entier qui ne dépend que de p et de q si les deux conditions suivantes sont vérifiées : la dimension VC duale de B est au plus 5 − 1 = 4, la famille B vérifie la propriété (p, 5) de Hadwiger-Debrunner. J. Matoušek (2004) Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Dimension de Vapnik-Chervonenkis (VC) : Un ensemble X est pulvérisé par une famille F si {X ∩ F : F ∈ F } = 2X . La dimension VC de F = max{|X | : X est pulvérisé par F }. Dans un graphe planaire, une famille B de boules de rayon R a une dimension VC au plus 4. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Dimension de Vapnik-Chervonenkis (VC) : Un ensemble X est pulvérisé par une famille F si {X ∩ F : F ∈ F } = 2X . La dimension VC de F = max{|X | : X est pulvérisé par F }. Dans un graphe planaire, une famille B de boules de rayon R a une dimension VC au plus 4. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Dimension de Vapnik-Chervonenkis (VC) : Un ensemble X est pulvérisé par une famille F si {X ∩ F : F ∈ F } = 2X . La dimension VC de F = max{|X | : X est pulvérisé par F }. Dans un graphe planaire, une famille B de boules de rayon R a une dimension VC au plus 4. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Dimension de Vapnik-Chervonenkis (VC) : Un ensemble X est pulvérisé par une famille F si {X ∩ F : F ∈ F } = 2X . La dimension VC de F = max{|X | : X est pulvérisé par F }. Dans un graphe planaire, une famille B de boules de rayon R a une dimension VC au plus 4. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Dimension de Vapnik-Chervonenkis (VC) : Un ensemble X est pulvérisé par une famille F si {X ∩ F : F ∈ F } = 2X . La dimension VC de F = max{|X | : X est pulvérisé par F }. Dans un graphe planaire, une famille B de boules de rayon R a une dimension VC au plus 4. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Propriété (p, q) de Hadwiger-Debrunner : Une famille F vérifie la propriété (p, q) si, dans chaque sous-famille de F composée de p ensembles, q ensembles partagent un élément. Dans un graphe planaire, une famille B de boules de rayon R qui s’intersectent deux à deux vérifie la propriété (p, 5) pour un p > 5. Agarwal et al. (1997), Pach et al. (1996) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Propriété (p, q) de Hadwiger-Debrunner : Une famille F vérifie la propriété (p, q) si, dans chaque sous-famille de F composée de p ensembles, q ensembles partagent un élément. Dans un graphe planaire, une famille B de boules de rayon R qui s’intersectent deux à deux vérifie la propriété (p, 5) pour un p > 5. Agarwal et al. (1997), Pach et al. (1996) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Propriété (p, q) de Hadwiger-Debrunner : Une famille F vérifie la propriété (p, q) si, dans chaque sous-famille de F composée de p ensembles, q ensembles partagent un élément. Dans un graphe planaire, une famille B de boules de rayon R qui s’intersectent deux à deux vérifie la propriété (p, 5) pour un p > 5. Les centres de p boules Agarwal et al. (1997), Pach et al. (1996) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes planaires ⊲ Couverture d’un ensemble de sommets de diamètre ≤ 2R Propriété (p, q) de Hadwiger-Debrunner : Une famille F vérifie la propriété (p, q) si, dans chaque sous-famille de F composée de p ensembles, q ensembles partagent un élément. Dans un graphe planaire, une famille B de boules de rayon R qui s’intersectent deux à deux vérifie la propriété (p, 5) pour un p > 5. avec p suffisamment grand Les centres de p boules 10 paires d’arêtes qui se croisent deux à deux Agarwal et al. (1997), Pach et al. (1996) Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes planaires ⊲ Facteur logarithme pour le problème ADC Conséquence sur le problème ADC lorsque D = 2R est pair. On a : un algorithme d’approximation avec un facteur O(log |V |) pour résoudre le problème PCD (réduction à SET COVER). une borne du nombre de boules de rayon R nécessaires pour couvrir un sous-ensemble de sommets de diamètre ≤ 2R. Donc, on obtient un algorithme avec un facteur O(log |V |). Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Facteur logarithme pour le problème ADC Conséquence sur le problème ADC lorsque D = 2R est pair. On a : un algorithme d’approximation avec un facteur O(log |V |) pour résoudre le problème PCD (réduction à SET COVER). une borne du nombre de boules de rayon R nécessaires pour couvrir un sous-ensemble de sommets de diamètre ≤ 2R. Donc, on obtient un algorithme avec un facteur O(log |V |). Diamètre ≤ 2R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Facteur logarithme pour le problème ADC Conséquence sur le problème ADC lorsque D = 2R est pair. On a : un algorithme d’approximation avec un facteur O(log |V |) pour résoudre le problème PCD (réduction à SET COVER). une borne du nombre de boules de rayon R nécessaires pour couvrir un sous-ensemble de sommets de diamètre ≤ 2R. Donc, on obtient un algorithme avec un facteur O(log |V |). Rayon R Rayon R − 1 Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes planaires ⊲ Facteur logarithme pour le problème ADC Conséquence sur le problème ADC lorsque D = 2R est pair. On a : un algorithme d’approximation avec un facteur O(log |V |) pour résoudre le problème PCD (réduction à SET COVER). une borne du nombre de boules de rayon R nécessaires pour couvrir un sous-ensemble de sommets de diamètre ≤ 2R. Donc, on obtient un algorithme avec un facteur O(log |V |). Rayon R Rayon R − 1 E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) ≤δ ≤δ ≤δ Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Définitions Définition des espaces δ-hyperboliques. M. Gromov (1987) ≤δ ≤δ ≤δ Un triangle est δ-fin si la distance entre les deux préimages de n’importe quel point du tripode est inférieure ou égale à δ. Un espace métrique géodésique est δ-hyperbolique si tous ses triangles (obtenus à partir de trois géodésiques entre trois points) sont δ-fins. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Graphes δ-hyperboliques ⊲ Définitions Définition des graphes δ-hyperboliques. Tout graphe connexe G = (V , E ) peut être transformé en un espace géodésique (X , d) en remplaçant chaque arête e = (u, v ) ∈ E par un segment [u, v ] de longueur 1. Le graphe G est δ-hyperbolique si l’espace métrique (X , d) obtenu à partir de G est δ-hyperbolique. Les arbres et les graphes blocs sont 0-hyperboliques. Les graphes triangulés sont 2-hyperboliques. Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Étant donné un graphe δ-hyperbolique G = (V , E ), un sous-ensemble S ⊆ V et un rayon R > 0, on peut construire en temps polynomial une (R + δ)-couverture B et un R-packing P de S de même cardinalité. Sommets de S (R + δ)-couverture R-packing Dans un graphe δ-hyperbolique, un sous-ensemble de sommets de diamètre 2R peut être couvert par une boule de rayon R + δ. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Étant donné un graphe δ-hyperbolique G = (V , E ), un sous-ensemble S ⊆ V et un rayon R > 0, on peut construire en temps polynomial une (R + δ)-couverture B et un R-packing P de S de même cardinalité. Sommets de S (R + δ)-couverture R-packing Dans un graphe δ-hyperbolique, un sous-ensemble de sommets de diamètre 2R peut être couvert par une boule de rayon R + δ. Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Dans un graphe δ-hyperbolique G = (V , E ), pour n’importe quel sous-ensemble S ⊆ V , il existe une boule B de rayon 2R centrée sur un sommet de S telle que les sommets de B ∩ S peuvent être couverts par une boule de rayon R + δ. 2R R +δ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Construction du R-packing et de la (R + δ)-couverture de S. Commencer avec un R-packing et une (R + δ)-couverture vide. Tant que S 6= ∅ 1 2 3 Trouver x et c de sorte que BG (x, 2R) ∩ S⊆ BG (c, R + δ). Ajouter x au packing et BG (c, R + δ) à la couverture. Retirer de S tous les sommets présents dans BG (c, R + δ). Sommets de S Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Construction du R-packing et de la (R + δ)-couverture de S. Commencer avec un R-packing et une (R + δ)-couverture vide. Tant que S 6= ∅ 1 2 3 Trouver x et c de sorte que BG (x, 2R) ∩ S⊆ BG (c, R + δ). Ajouter x au packing et BG (c, R + δ) à la couverture. Retirer de S tous les sommets présents dans BG (c, R + δ). Sommets de S Rayon 2R Rayon R + δ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Construction du R-packing et de la (R + δ)-couverture de S. Commencer avec un R-packing et une (R + δ)-couverture vide. Tant que S 6= ∅ 1 2 3 Trouver x et c de sorte que BG (x, 2R) ∩ S⊆ BG (c, R + δ). Ajouter x au packing et BG (c, R + δ) à la couverture. Retirer de S tous les sommets présents dans BG (c, R + δ). Sommets de S Rayon 2R Rayon R + δ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Construction du R-packing et de la (R + δ)-couverture de S. Commencer avec un R-packing et une (R + δ)-couverture vide. Tant que S 6= ∅ 1 2 3 Trouver x et c de sorte que BG (x, 2R) ∩ S⊆ BG (c, R + δ). Ajouter x au packing et BG (c, R + δ) à la couverture. Retirer de S tous les sommets présents dans BG (c, R + δ). Sommets de S Rayon 2R Rayon R + δ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème de la R-couverture minimale Construction du R-packing et de la (R + δ)-couverture de S. Commencer avec un R-packing et une (R + δ)-couverture vide. Tant que S 6= ∅ 1 2 3 Trouver x et c de sorte que BG (x, 2R) ∩ S⊆ BG (c, R + δ). Ajouter x au packing et BG (c, R + δ) à la couverture. Retirer de S tous les sommets présents dans BG (c, R + δ). Sommets de S Rayon R Rayon R + δ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Graphes δ-hyperboliques ⊲ Algorithme pour le problème ADC Conséquence sur le problème ADC. Étant donné un graphe δ-hyperbolique G = (V , E ) et un entier R ≥ 1, on peut construire en temps polynomial une augmentation admissible E ′ du problème ADC pour D := 2R + 2δ avec un nombre d’arêtes inférieur ou égal à 2 fois celui d’une solution optimale pour D := 2R. Rayon R + δ Rayon R − 1 + δ E′ Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Plan de l’exposé 1 Méthode 2 État de l’art 3 Résultats 4 Graphe de largeur arborescente bornée Définitions Résultats connus Diamètre pair Diamètre impair 5 Graphes planaires Couverture d’un ensemble de sommets de diamètre ≤ 2R Facteur logarithme pour le problème ADC 6 Graphes δ-hyperboliques Définitions Algorithme pour le problème de la R-couverture minimale Algorithme pour le problème ADC 7 Perspectives Perspectives Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Perspectives Lorsque le graphe est planaire : - Déterminer la constante universelle c. - Peut-on proposer des algorithmes avec des facteurs constants pour le problème de la R-couverture minimale et le problème ADC ? - Montrer l’existence d’une boule de rayon 2R pouvant être couverte par un nombre constant de boules de rayon R. - Commencer par considérer les grilles partielles sans trou. Sans contrainte sur le graphe initial : - Peut-on approximer le problème ADC avec un facteur O(log |V |). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Perspectives Lorsque le graphe est planaire : - Déterminer la constante universelle c. - Peut-on proposer des algorithmes avec des facteurs constants pour le problème de la R-couverture minimale et le problème ADC ? - Montrer l’existence d’une boule de rayon 2R pouvant être couverte par un nombre constant de boules de rayon R. - Commencer par considérer les grilles partielles sans trou. Sans contrainte sur le graphe initial : - Peut-on approximer le problème ADC avec un facteur O(log |V |). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Perspectives Lorsque le graphe est planaire : - Déterminer la constante universelle c. - Peut-on proposer des algorithmes avec des facteurs constants pour le problème de la R-couverture minimale et le problème ADC ? - Montrer l’existence d’une boule de rayon 2R pouvant être couverte par un nombre constant de boules de rayon R. - Commencer par considérer les grilles partielles sans trou. Sans contrainte sur le graphe initial : - Peut-on approximer le problème ADC avec un facteur O(log |V |). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Perspectives Lorsque le graphe est planaire : - Déterminer la constante universelle c. - Peut-on proposer des algorithmes avec des facteurs constants pour le problème de la R-couverture minimale et le problème ADC ? - Montrer l’existence d’une boule de rayon 2R pouvant être couverte par un nombre constant de boules de rayon R. - Commencer par considérer les grilles partielles sans trou. Sans contrainte sur le graphe initial : - Peut-on approximer le problème ADC avec un facteur O(log |V |). Problématique Méthode État de l’art Résultats Largeur arborescente Graphes planaires δ-hyperbolicité Perspectives Perspectives Lorsque le graphe est planaire : - Déterminer la constante universelle c. - Peut-on proposer des algorithmes avec des facteurs constants pour le problème de la R-couverture minimale et le problème ADC ? - Montrer l’existence d’une boule de rayon 2R pouvant être couverte par un nombre constant de boules de rayon R. - Commencer par considérer les grilles partielles sans trou. Sans contrainte sur le graphe initial : - Peut-on approximer le problème ADC avec un facteur O(log |V |).