Fundamentos matemáticos de estratégias espectrais para particionamento de grafos

Detalhes bibliográficos
Autor(a) principal: Varella, Guilherme Tadewald
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/254875
Resumo: O problema de particionamento consiste, basicamente, em agrupar dados semelhantes e separar aqueles que não se assemelham e pode ser modelado matematicamente a partir de grafos. Recentemente, foram publicados diversos resultados teóricos sobre o tema e alguns deles fornecem algoritmos que utilizam o espectro de uma matriz associada a um grafo para gerar uma partição que auxilia a demonstrar estes resultados. Tais resultados trazem argumentos teóricos que podem ser evidências de que este algoritmo teria um bom desempenho como método para encontrar a melhor partição do problema de particionamento. Neste trabalho, procuramos entender o funcionamento de alguns destes algoritmos. Especificamente, nosso objetivo é compreender os algoritmos obtidos pela demonstração da cota superior para condutâncias de ordem 2, apresentada por Chung [8], e ordem k > 2, demonstrada por Trevisan [33]. Com relação a este último, apesar da demonstração não exigir que alguns passos do algoritmo sejam implementados de uma única maneira, vamos especificá-los com base na análise dos exemplos em que o aplicamos. Nestes exemplos, observamos que os algoritmos definidos obtiveram um bom desempenho. Também estudamos o resultado apresentado por Wang et. al [35] sobre particionamento de árvores em duas classes e propomos uma possível estratégia para provar a versão estendida deste resultado para k > 2 classes. Parte desta estratégia envolve uma versão do resultado [35] estendido para grafos com peso nos vértices, cuja prova é uma contribuição original deste trabalho.
id URGS_0337619767c27aea88429f01bcc90b3f
oai_identifier_str oai:www.lume.ufrgs.br:10183/254875
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Varella, Guilherme TadewaldHoppen, Carlos2023-02-18T03:28:12Z2020http://hdl.handle.net/10183/254875001162666O problema de particionamento consiste, basicamente, em agrupar dados semelhantes e separar aqueles que não se assemelham e pode ser modelado matematicamente a partir de grafos. Recentemente, foram publicados diversos resultados teóricos sobre o tema e alguns deles fornecem algoritmos que utilizam o espectro de uma matriz associada a um grafo para gerar uma partição que auxilia a demonstrar estes resultados. Tais resultados trazem argumentos teóricos que podem ser evidências de que este algoritmo teria um bom desempenho como método para encontrar a melhor partição do problema de particionamento. Neste trabalho, procuramos entender o funcionamento de alguns destes algoritmos. Especificamente, nosso objetivo é compreender os algoritmos obtidos pela demonstração da cota superior para condutâncias de ordem 2, apresentada por Chung [8], e ordem k > 2, demonstrada por Trevisan [33]. Com relação a este último, apesar da demonstração não exigir que alguns passos do algoritmo sejam implementados de uma única maneira, vamos especificá-los com base na análise dos exemplos em que o aplicamos. Nestes exemplos, observamos que os algoritmos definidos obtiveram um bom desempenho. Também estudamos o resultado apresentado por Wang et. al [35] sobre particionamento de árvores em duas classes e propomos uma possível estratégia para provar a versão estendida deste resultado para k > 2 classes. Parte desta estratégia envolve uma versão do resultado [35] estendido para grafos com peso nos vértices, cuja prova é uma contribuição original deste trabalho.The clustering problem basically consists of grouping similar data and separating those that are not similarm, and it can be using graphs. Recently, several theorical results have been published on this subject, and some of them provide approximation algorithms that use the spectrum of a matrix associated with a graph to generate a partition to prove these results. In this work, we try to understand how some of these algorithms work. Specifically, our objective is to understand the algorithms obtained for proving an upper bound for partitions into two classes, presented by Chung [8], and into k-classes, presented by Trevisan [33]. Regarding the latter, since the proof does not specify how some steps of the algorithm must be implemented, we will define them based on the analysis of the examples in which we apply it. We observed that the algorithm performed well on this examples. We also studied the result presented by Wang et al. [35] about splitting trees into two classes and we propose a possible strategy to prove an extended version of this result for k > 2 classes. Part of this strategy involves an extension of a result in [35] extended to graphs with weights on vertices, whose proof is an original contribution of this work.application/pdfporGrafosParticionamentoTeoria espectral de grafosAlgoritmosFundamentos matemáticos de estratégias espectrais para particionamento de grafosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em Matemática AplicadaPorto Alegre, BR-RS2020mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001162666.pdf.txt001162666.pdf.txtExtracted Texttext/plain165688http://www.lume.ufrgs.br/bitstream/10183/254875/2/001162666.pdf.txtd97b98f21ba0b5b9b43ae61af6c3ff39MD52ORIGINAL001162666.pdfTexto completoapplication/pdf1246065http://www.lume.ufrgs.br/bitstream/10183/254875/1/001162666.pdf282259e559b1d629c48f637c726da63cMD5110183/2548752023-02-19 04:23:40.190226oai:www.lume.ufrgs.br:10183/254875Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-02-19T06:23:40Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
title Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
spellingShingle Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
Varella, Guilherme Tadewald
Grafos
Particionamento
Teoria espectral de grafos
Algoritmos
title_short Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
title_full Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
title_fullStr Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
title_full_unstemmed Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
title_sort Fundamentos matemáticos de estratégias espectrais para particionamento de grafos
author Varella, Guilherme Tadewald
author_facet Varella, Guilherme Tadewald
author_role author
dc.contributor.author.fl_str_mv Varella, Guilherme Tadewald
dc.contributor.advisor1.fl_str_mv Hoppen, Carlos
contributor_str_mv Hoppen, Carlos
dc.subject.por.fl_str_mv Grafos
Particionamento
Teoria espectral de grafos
Algoritmos
topic Grafos
Particionamento
Teoria espectral de grafos
Algoritmos
description O problema de particionamento consiste, basicamente, em agrupar dados semelhantes e separar aqueles que não se assemelham e pode ser modelado matematicamente a partir de grafos. Recentemente, foram publicados diversos resultados teóricos sobre o tema e alguns deles fornecem algoritmos que utilizam o espectro de uma matriz associada a um grafo para gerar uma partição que auxilia a demonstrar estes resultados. Tais resultados trazem argumentos teóricos que podem ser evidências de que este algoritmo teria um bom desempenho como método para encontrar a melhor partição do problema de particionamento. Neste trabalho, procuramos entender o funcionamento de alguns destes algoritmos. Especificamente, nosso objetivo é compreender os algoritmos obtidos pela demonstração da cota superior para condutâncias de ordem 2, apresentada por Chung [8], e ordem k > 2, demonstrada por Trevisan [33]. Com relação a este último, apesar da demonstração não exigir que alguns passos do algoritmo sejam implementados de uma única maneira, vamos especificá-los com base na análise dos exemplos em que o aplicamos. Nestes exemplos, observamos que os algoritmos definidos obtiveram um bom desempenho. Também estudamos o resultado apresentado por Wang et. al [35] sobre particionamento de árvores em duas classes e propomos uma possível estratégia para provar a versão estendida deste resultado para k > 2 classes. Parte desta estratégia envolve uma versão do resultado [35] estendido para grafos com peso nos vértices, cuja prova é uma contribuição original deste trabalho.
publishDate 2020
dc.date.issued.fl_str_mv 2020
dc.date.accessioned.fl_str_mv 2023-02-18T03:28:12Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/254875
dc.identifier.nrb.pt_BR.fl_str_mv 001162666
url http://hdl.handle.net/10183/254875
identifier_str_mv 001162666
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/254875/2/001162666.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/254875/1/001162666.pdf
bitstream.checksum.fl_str_mv d97b98f21ba0b5b9b43ae61af6c3ff39
282259e559b1d629c48f637c726da63c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736744556462080