Course: Graph Theory, Discrete Optimization and Computational Complexity 2

» List of faculties » FAV » KMA
Course title Graph Theory, Discrete Optimization and Computational Complexity 2
Course code KMA/TGD2
Organizational form of instruction Lecture + Seminar
Level of course Master
Year of study not specified
Semester Summer
Number of ECTS credits 5
Language of instruction Czech
Status of course unspecified
Form of instruction Face-to-face
Work placements This is not an internship
Recommended optional programme components None
Lecturer(s)
  • Vorel Kryštof, prof. RNDr. DrSc.
  • Kopal Stanislav, doc. RNDr. Ph.D.
Course content
Optimization problems on graphs and networks: flows with costs and minimum cost flows, potentials. Maximum matching and optimum matching in a (weighted) bipartite graph. Maximum matching in a nonbipartite graph (Tuttes Theorem and Edmonds algorithm). Real linear programming: simplex algorithm, duality, computational complexity. Integer linear programming: NP-completeness, totally unimodular matrices, branch-and-bound methods and Gomory algorithms. Formulation of various optimization problems on graphs and networks as linear programming problems.

Learning activities and teaching methods
Collaborative instruction, Lecture
  • Contact hours - 52 hours per semester
  • Preparation for comprehensive test (10-40) - 25 hours per semester
  • Preparation for an examination (30-60) - 60 hours per semester
prerequisite
Knowledge
analyzovat konkrétní algoritmy z hlediska jejich výpočetní složitosti
vysvětlit základy teorie výpočetní složitosti a základní principy teorie NP-úplnosti
vysvětlit pojmy a úlohy teorie grafů (v rozsahu předmětu KMA/TGD1) a jejich základní vlastnosti, včetně porozumění souvislostem
klasifikovat základní problémy teorie grafů a diskrétní matematiky z hlediska výpočetní složitosti
Skills
navrhnout, formulovat a prakticky použít algoritmy řešení základních grafových úloh
u vybraných konkrétních grafových a kombinatorických problémů ověřit jejich NP-úplnost, včetně konstrukce příslušných polynomiálních převodních algoritmů
pro vybrané algoritmicky obtížné úlohy navrhnout heuristické algoritmy umožňující jejich přibližné nebo částečné řešení
ovládat klasifikaci algoritmů z hlediska jejich výpočetní složitosti a posoudit výpočetní složitost konkrétních algoritmů
aktivně ovládat pojmy a úlohy teorie grafů v rozsahu předmětu KMA/TGD1
Competences
N/A
learning outcomes
Knowledge
formulovat základní optimalizační úlohy na grafech a sítích, vysvětlit jejich vlastnosti a základní metody
popsat algoritmy řešení základních optimalizačních úloh a posoudit jejich výpočetní složitost
vysvětlit teoretické pozadí jednotlivých metod a jejich vzájemné převoditelnosti, včetně role charakterizačních vět a dobrých charakteristik při konstrukci efektivních algoritmů
Skills
používat vzájemné převody úloh, včetně převodů grafových a síťových optimalizačních úloh na úlohy lineárního programování
klasifikovat jednotlivé problémy z hlediska výpočetní složitosti a u NP-těžkých problémů ovládat základní heuristické a aproximační algoritmy
ovládat základní optimalizační úlohy na grafech a sítích
aktivně používat metody a algoritmy řešení jednotlivých úloh
Competences
aktivně využívá získané znalosti a dovednosti při řešení praktických problémů
N/A
N/A
teaching methods
Knowledge
Lecture
Collaborative instruction
Skills
Collaborative instruction
Competences
Lecture
assessment methods
Knowledge
Combined exam
Test
Skills demonstration during practicum
Skills
Skills demonstration during practicum
Competences
Combined exam
Recommended literature
  • Hromkovič, Juraj. Algorithmics for hard problems : introduction to combinatorial optimization, randomization, approximation, and heuristics. 2nd ed. Berlin : Springer, 2003. ISBN 3-540-44134-4.
  • Korte, Bernhard; Vygen, Jens. Combinatorial optimization : theory and algorithms. 2nd ed. Berlin : Springer, 2002. ISBN 3-540-43154-3.
  • Kučera, Luděk. Kombinatorické algoritmy. 2. nezm. vyd. Praha : SNTL, 1989.
  • Lovász L. Matching Theory. American Mathematical Society, 2009. ISBN 978-0821847596.
  • Matoušek J., Gaertner B. Understanding and Using Linear Programming. Springer. 2006.
  • Papadimitriou, Christos H.; Steiglitz, Kenneth. Combinatorial optimization : algorithms and complexity. 1st pub. Mineola : Dover Publications, 1998. ISBN 0-486-40258-4.
  • Plesník, Ján; Dupačová, Jitka; Vlach, Milan. Lineárne programovanie. 1. vyd. Bratislava : Alfa, 1990. ISBN 80-05-00679-9.


Study plans that include the course
Faculty Study plan (Version) Category of Branch/Specialization Recommended year of study Recommended semester