Agentengestützte Verkehrssimulation in Multi-Kreuzungsszenarien
|
|
- Kristina Gerstle
- vor 5 Jahren
- Abrufe
Transkript
1 Agentengestützte Verkehrssimulation in Multi-Kreuzungsszenarien Studienarbeit Michael Reimann 23. Mai
2 Was mache ich hier eigentlich? Erweiterung im Rahmen des DAMAST-Projektes Statt einer Kreuzung nun mehrere Mehr Realismus Neue Aspekte 2
3 ... das gab s auch schon vorher. Typisches Szenario in DAMAST: Kreuzung mit Agent - Schíld Fahrzeug Kreuzung mit Kreuzungsagent Eine Kreuzung Vier Richtungen Ein Kreuzungsagent 3
4 Auf dem Weg zum Multi-Kreuzungsszenario... Jede Kreuzung besteht aus: Knoten (Node) Fahrbahnen (LinkLane) Verbindern (Connector) 4
5 Auf dem Weg zum Multi-Kreuzungsszenario... Multiplizieren der einzelnen Kreuzung: Verknüpfen mittels Verbindern Das Multi-Kreuzungsszenario. 5
6 Von A nach B Eine Kreuzung Eindeutige, kurze Pfade von der Quelle zum Ziel verwendeter -Algorithmus rekursive Tiefensuche auf dem graph liefert alle Pfade von der Quelle zum Ziel Q Z 6
7 Von A nach B Multi-Kreuzungs- viele Pfade verschiedener Länge nur ein optimaler Pfad wird benötigt Tiefensuche zu langsam neuer -Algorithmus Breitensuche liefert kürzesten Pfad 7
8 Es funktioniert! <3x3-Simulation> 8
9 Warum denn nur ein Agent? Sei N die Anzahl der Kreuzungen im Szenario... 1 : N Ein Agent für alle Kreuzungen Zentrale Verwaltungsinstanz Single Point Of Failure N : N Ein Agent für jede Kreuzung Jede Kreuzung individuell behandelbar 1 : M, M<N Ein Agent für mehrere Kreuzungen Eindeutige Zuordnung nötig M : 1, M>1 Mehrere Agenten teilen sich eine Kreuzung Theoretisches Konstrukt Verwaltungsaufwand zur Organisation der konkurrierenden Agenten 9
10 Umgang mit mehreren Kreuzungen Kann ein Fahrzeug mit mehreren Kreuzungen gleichzeitig umgehen?? 10
11 Warum? Warum sollen Fahrzeuge in einem Multi-Kreuzungsszenario mit mehr als einer Kreuzung kommunizieren? Ursache: Die Abstände zwischen den Kreuzungen ( innen ) können zu klein sein. Folge: Fahrzeuge innen gegenüber den äußeren benachteiligt. Lösung: Fahrzeuge, die über mehr als eine Kreuzung fahren, fragen frühzeitig bei der Folge-Kreuzung an. 11
12 Der FurtherTimeSlotRequest Umsetzung: Einführen des FurtherTimeSlotRequest! Fairness wird durch Stellung des Schildes erzeugt. 12
13 Einfach mal durchschlüpfen Problem 1: Für die erfolgreiche Anfrage ist es notwendig, dass der Fahrzeugagent seinen Vordermann kennt. Beim FurtherTimeSlotRequest vor der ersten Kreuzung weiß er diesen noch nicht. Lösung: Der Kreuzungsagent der ersten Kreuzung teilt dem Fahrzeugagenten den Inhaber des letzten TimeSlots auf der gleichen Ausfahrspur mit. 13
14 Einfach mal durchschlüpfen Problem 2: Was passiert, wenn sich nach dieser Mitteilung ein Fahrzeug einen früheren TimeSlot holt, durchschlüpft. Lösung: Dies verhindert der Kreuzungsagent. Folge: Es entstehen unbenutzte Zeitlücken, die der Kreuzungsagent nicht vergeben wird. 14
15 Was bringt s denn? Zwei grundlegende Untersuchungen: eine Kreuzung mehrere Kreuzungen mehrere Kreuzungen mit FurtherTimeSlotRequest mehrere Kreuzungen ohne FurtherTimeSlotRequest jeweils 20 Messreihen mit unterschiedlicher Verkehrsstärke 15
16 Was bringt s denn? Vergleich: Einzelkreuzung Doppelkreuzung Vermutung: Jede einzelne der zwei Kreuzungen läuft genau wie die Einzelkreuzung. <> 16
17 Was bringt s denn? These: Eine einzelne Kreuzung von mehreren funktioniert wie eine Einzelkreuzung. Durchschnittliche Wartezeit der Fahrzeuge in [s] Ergebnis: Die Funktion (Anfragen, der Zeitlücken) ist identisch. 0 1x1-Szenario 2x1-Szenario nur über eine Kreuzung 5, , über zwei Kreuzungen / 2 0 6, Die Wartezeiten der Fahrzeuge sind höher als an der Einzelkreuzung. Erklärung: Über das Mittelstück fließen mehr Fahrzeuge (Faktor 4/3) ein, als die entsprechende Verkehrsquelle erzeugt hatte. 17
18 Was bringt s denn? Korrektur: Anpassen der Routenwahl an das Szenario, sodass aus allen Richtungen die gleiche Anzahl Fahrzeuge auf die Kreuzung zufahren Durchschnittliche Wartezeit der Fahrzeuge in [s] Ergebnis: Nun sind die Werte (fast) gleich. 0 1x1-Szenario 2x1 mit OD-Matrix nur über eine Kreuzung 5, , über zwei Kreuzungen / 2 0 5,
19 Was bringt s denn? Vergleich: Doppelkreuzung ohne FurtherTimeSlotRequest Doppelkreuzung mit (frühem) FurtherTimeSlotRequest Vermutung: Ohne FTSR werden die äußeren Fahrzeuge bevorzugt. Beim FTSR werden die inneren Fahrzeuge bevorzugt. Die Wartezeiten aller Fahrzeuge verringern sich. <> 19
20 Was bringt s denn? These: Ohne FTSR werden die äußeren Fahrzeuge bevorzugt. Beim FTSR werden die inneren Fahrzeuge bevorzugt. Die Wartezeiten aller Fahrzeuge verringern sich. Ergebnis: durchschnittliche Wartezeit der Fahrzeuge in [s] ohne FTSR mit FTSR ØWartezeit 9, , nur über eine Kreuzung 5, , über zwei Kreuzungen 17, , über zwei Kreuzungen / 2 8, ,
21 Was bringt s denn? Ergebnis: Die durchschnittliche Wartezeit aller Fahrzeuge ist im Szenario mit FTSR höher, allerdings müssen weniger Fahrzeuge anhalten! Die Fahrzeuge innen werden deutlich bevorzugt: Die Wartezeit ist gleich, egal ob eine oder zwei Kreuzungen überfahren werden. Im Szenario mit FTSR musste (im Schnitt) kein Fahrzeug vor seiner zweiten Kreuzung abbremsen. Erklärung: Durch die Bevorzugung der inneren Fahrzeuge werden die drei von außen hereinführenden Richtungen stark beeinträchtigt. Dort ist jedoch genug Strecke um abzubremsen, ohne zum Stehen zu kommen. 21
22 Und nun? Offene Fragestellungen: Kann der FurtherTimeSlotRequest in Hinsicht auf das System Optimum verbessert werden? Wie sieht es in einem nicht äquidistanten oder asymmetrischen aus? Wie wirkt sich die frühe Anfrage auf andere smechanismen (z.b. eine Auktion) aus? 22
23 . Der größte Aberglaube ist der Glaube an die Vorfahrt. Jacques Tatischeff (Jaques Tati), Quelle: Encyclopaedia Britannica online Vielen Dank für Ihre Aufmerksamkeit! 23
Agentengestützte Verkehrssteuerung in Multi-Kreuzungsszenarien
Universität Karlsruhe (TH) Fakultät für Informatik Institut für Programmstrukturen und Datenorganisation (IPD) Agentengestützte Verkehrssteuerung in Multi-Kreuzungsszenarien Studienarbeit von Michael Reimann
MehrAgentengestützte Fahrerassistenzsysteme für das Kreuzungsmanagement
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Agentengestützte Betreuer: Heiko Schepperle Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von n Interdisziplinäres
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrRobuste Verhandlungen zwischen verteilten, agentenbasierten Fahrerassistenzsystemen
Robuste Verhandlungen zwischen verteilten, agentenbasierten Fahrerassistenzsystemen Diplomarbeitsvortrag Betreuer: Prof. Dr.- Ing. K. Böhm Betreuender Mitarbeiter: Dipl.- Inform. H. Schepperle 13.07.2007
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )
MehrKonzeption und Bewertung einer zentralen Entscheidungsinstanz zur Verkehrsoptimierung an Kreuzungen
Konzeption und Bewertung einer zentralen Entscheidungsinstanz zur Verkehrsoptimierung an Kreuzungen Diplomarbeitsvortrag Alexander Haag Betreuer: Prof. Dr.-Ing. K. Böhm Betreuender Mitarbeiter: Dipl.-Inform.
MehrKürzeste und Schnellste Wege
Kürzeste und Schnellste Wege Wie funktionieren Navis? André Nusser (Folien inspiriert von Kurt Mehlhorn) Struktur Straßennetzwerke Naiver Algorithmus Dijkstras Algorithmus Transitknoten Nachbemerkungen
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrMatchings in Graphen. Praktikum Diskrete Optimierung (Teil 5)
Praktikum Diskrete Optimierung (Teil 5) 6.05.009 Matchings in Graphen Es sei ein ungerichteter Graph G = (V, E) gegeben. Ein Matching in G ist eine Teilmenge M E, so dass keine zwei Kanten aus M einen
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrVon Labyrinthen zu Algorithmen 2. Gerald Futschek
Von Labyrinthen zu Algorithmen 2 Gerald Futschek Problem der Zyklen Die Strategie Linke Wand entlang funktioniert leider nicht bei allen Labyrinthen, wenn man von A nach B will! Möglicherweise gibt es
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 03.12.2013 Algorithmische Geometrie: Schnitte von Strecken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrÜbung 5 Algorithmen II
Michael Axtmann michael.axtmann@kit.edu http://algo.iti.kit.edu/algorithmenii_ws6.php - 0 Axtmann: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
MehrBreiten- und Tiefensuche in Graphen
Breiten- und Tiefensuche in Graphen Inhalt Theorie. Graphen. Die Breitensuche in der Theorie am Beispiel eines ungerichteten Graphen. Die Tiefensuche in der Theorie am Beispiel eines gerichteten Graphen
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Breitensuche, Tiefensuche Wir besprechen nun zwei grundlegende Verfahren, alle Knoten eines Graphen zu
MehrTheoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009
Theoretische Informatik Rainer Schrader nichtdeterministische Turingmaschinen Zentrum für Angewandte Informatik Köln 29. April 2009 1 / 33 2 / 33 Turingmaschinen das Konzept des Nichtdeterminismus nahm
MehrKontrollpunkt L1. durch eine Lehrerin oder einen Lehrer zu besetzen
Kontrollpunkt L1 durch eine Lehrerin oder einen Lehrer zu besetzen Anfahren vom Fahrbahnrand 1. deutlich umsehen 2. Fahrrad vom Gehweg schieben 3. Pedale ordnen 4. aufsitzen 5. nochmals deutlich umsehen
MehrFlüsse und Schnitte von Graphen
Flüsse und Schnitte von Graphen Christian Koch Friedrich-Alexander-Universität Erlangen-Nürnberg 2. Juni 27 Christian Koch Flüsse und Schnitte 2. Juni 27 / 29 Gliederung Flüsse Allgemeines Maximaler Fluss
MehrVisualisierung innovativer Mechanismen zur Verkehrssteuerung an Kreuzungen
innovativer zur Verkehrssteuerung an Kreuzungen Studienarbeit Natalja Pulter 31. August 2007 http://www.ipd.uni-karlsruhe.de/~damast/ 2007 Copyright DAMAST Motivation Unübersichtliche Verkehrssituationen:
MehrWas tun, wenn Ihnen Rettungsfahrzeuge im Straßenverkehr begegnen?
Was tun, wenn Ihnen Rettungsfahrzeuge im Straßenverkehr begegnen? Allgemein Wenn Ihnen Feuerwehrfahrzeuge oder Rettungswagen mit eingeschalteter Lautwarnvorrichtung (Martinshorn und Blaulicht) im Straßenverkehr
Mehr23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108
23. November 2011 Betweenness Centrality Closeness Centrality H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108 Betweenness Centrality Grundlegende Idee: Ein Knoten ist wichtig, wenn er auf
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrMethoden zur Visualisierung von Ergebnissen aus Optimierungs- und DOE-Studien
Methoden zur Visualisierung von Ergebnissen aus Optimierungs- und DOE-Studien Katharina Witowski katharina.witowski@dynamore.de Übersicht Beispiel Allgemeines zum LS-OPT Viewer Visualisierung von Simulationsergebnissen
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
MehrAutonomes Kreuzungsmanagement für Kraftfahrzeuge
Autonomes Kreuzungsmanagement für Kraftfahrzeuge Trajektorienplanung mittels Dynamischer Programmierung Torsten Bruns, Ansgar Trächtler AUTOREG 2008 / Baden-Baden / 13.02.2008 Szenario Kreuzungsmanagement
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos
MehrBienen-inspiriertes Straßenverkehrsrouting
Bienen-inspiriertes Straßenverkehrsrouting http://ls3-www.cs.tu-dortmund.de Sebastian Lehnhoff Sebastian Senge Anca M. Lazarescu Lehrstuhl für Betriebssysteme und Rechnerarchitektur Agenda Einleitung Hintergrund
MehrKommentartext Verkehrszeichen
Kommentartext Verkehrszeichen 1. Kapitel: Achtung Gefahr! Das ist ein Verkehrsschild. Weißt du, was es bedeutet? Ja, du musst anhalten. Andere haben Vorfahrt und du musst dich gut umschauen, bevor du fahren
MehrZustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down
Zustände und Knoten Zustände: Schnappschüsse der Welt Knoten: Datenobjekte, welche Zustände repräsentieren und weitere Information enthalten Vorgängerknoten (im Baum 1) Nachfolgerknoten (im Baum b) mit
MehrSprache: Deutsch / Sprache: Deutsch
Die wichtigsten Verkehrsregeln für Fahrrad-Fahrer in Deutschland - Es handelt sich hier um keine abschließende Aufzählung der notwendigen Verkehrsregeln. - Die Erklärungen sind bewusst sprachlich einfach
MehrPraktikum Planare Graphen
1 Praktikum Planare Graphen Michael Baur, Martin Holzer, Steffen Mecke 10. November 2006 Einleitung Gliederung 2 Grundlagenwissen zu planaren Graphen Themenvorstellung Gruppeneinteilung Planare Graphen
Mehra) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:
1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem
MehrRichtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.
Gegeben sei ein Netzwerk N = (V, A, c, s, t) wie in der Vorlesung. Ein maximaler s-t-fluss kann immer mit Hilfe einer Folge von höchstens A Augmentationsschritten gefunden werden. Wendet man den Dijkstra-Algorithmus
MehrFür die RED BIKER gelten folgende Goldene Regeln :
Damit die Tour nicht zur Tortour wird, ist es wichtig, dass alle Teilnehmerinnen und Teilnehmer sich an gewisse Regeln halten. Für die RED BIKER gelten folgende Goldene Regeln : 1. Die wichtigsten Daten,
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein
MehrQuicksort ist ein Divide-and-Conquer-Verfahren.
. Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.
MehrWie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung
Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung Teilnehmer/innen: Markus Dahinten, Graf Münster Gymnasium Bayreuth Robert Fay, Herder Gymnasium Berlin Falko
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 2. Vorlesung: 16. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching? Map Matching! Map Matching...als Teil von Fahrzeugnavigationssystemen
MehrAlgorithmen & Datenstrukturen 2 Praktikum 3
Algorithmen & Datenstrukturen 2 Praktikum 3 Thema: Graphalgorithmen Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Dieses Praktikum widmet sich dem Thema Graphalgorithmen. Ziel ist die Implementierung
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
Mehr7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure
7. Dynamische Datenstrukturen Bäume Informatik II für Verkehrsingenieure Übersicht dynamische Datenstrukturen Wozu? Oft weiß man nicht von Beginn an, wieviele Elemente in einer Datenstruktur untergebracht
MehrAbzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen
Dokumentation zum Softwarepraktikum Abzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen Bearbeitet von: Sabine Böhm Florian Häberlein Betreuer: Dr. Axel Kohnert Dipl.-math. Sascha
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrSchnell oder langsam - bei welcher Geschwindigkeit ist der Verkehrsfluss an einer Autobahnbaustelle optimal? Privates Franziskus-Gymnasium Vossenack
AG-Titel Schnell oder langsam - bei welcher Geschwindigkeit ist der Verkehrsfluss an einer Autobahnbaustelle optimal? Schule Privates Franziskus-Gymnasium Vossenack AG-Leiter Mohren Thomas AG-Teilnehmer/innen
MehrGierige Algorithmen Interval Scheduling
Gierige Algorithmen Interval Scheduling IntervalScheduling(s,f). n length[s] 2. A {} 3. j 4. for i 2 to n do 5. if s[i] f[j] then 6. A A {i} 7. j i 8. return A Gierige Algorithmen Interval Scheduling Beweisidee:
MehrKarlsruher Institut für Technologie. Klausur Algorithmen I
Klausur-ID: Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 11. April 2018 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte
MehrBreitensuche BFS (Breadth First Search)
Breitensuche BFS (Breadth First Search) Algorithmus BREITENSUCHE EINGABE: G = (V, E) als Adjazenzliste, Startknoten s V 1 Für alle v V 1 If (v = s) then d[v] 0 else d[v] ; 2 pred[v] nil; 2 Q new Queue;
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrBeobachtungspunkte 1. Heinrich-Eger-Straße (Ausfahrt Parkplatz) 2. Ecke Heinrich-Eger-Straße Sankt-Lambertus-Straße 3. Kreuzung
Beobachtungspunkte 1. Heinrich-Eger-Straße (Ausfahrt Parkplatz) 2. Ecke Heinrich-Eger-Straße Sankt-Lambertus-Straße 3. Kreuzung Sankt-Lambertus-Straße Reeser Straße Marienbaumer Straße 4. Marienbaumer
MehrProgrammierkurs Python
Programmierkurs Python Stefan Thater Michaela Regneri 2010-0-29 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen für Graphen Tiefen- und Breitensuche Nächste Woche: mehr Algorithmen 2 Was
MehrFlüsse, Schnitte, bipartite Graphen
Flüsse, chnitte, bipartite Graphen Matthias Hoffmann 5.5.009 Matthias Hoffmann Flüsse, chnitte, bipartite Graphen 5.5.009 / 48 Übersicht Einführung Beispiel Definitionen Ford-Fulkerson-Methode Beispiel
MehrEinführung in die Informatik 2
Einführung in die nformatik 2 raphenexploration Sven Kosub A Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri FR.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 011 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
MehrFahrradfahrer in Deutschland
Die wichtigsten Verkehrsregeln für willkommens-netz.de Flüchtlingshilfe Fahrrad-Fahrer im Bistum in Deutschland Trier s handelt sich hier um keine abschließende Aufzählung der notwendigen rkehrsregeln.
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 1.1 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring) mit den Operationen +,,, (/) Eingabe: endliche Folge von Zahlen Ausgabe: endliche
MehrDatenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität Gierige Algorithmen: Berechne Lösung schrittweise In jedem Schritt mache lokal optimale Wahl Daumenregel: Wenn optimale Lösung
MehrHerzlich Willkommen. Theoretische Einweisung
Herzlich Willkommen Theoretische Einweisung Duale Ausbildung 6 Einheiten Grundausbildung in der FS Theoretische Einweisung Hauptschulung erfolgt mit Begleitpersonen (1000 km, Fahrtenprotokoll, mind. 2
MehrVery simple methods for all pairs network flow analysis
Very simple methods for all pairs network flow analysis obias Ludes 0.0.0. Einführung Um den maximalen Flusswert zwischen allen Knoten eines ungerichteten Graphen zu berechnen sind nach Gomory und Hu nur
Mehr10. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php
MehrWie nehmen Radfahrer einen möglichen Konflikt mit einem Rechtsabbieger wahr?
Wie nehmen Radfahrer einen möglichen Konflikt mit einem Rechtsabbieger wahr? Carmen Hagemeister & Grit Schwamberger Technische Universität Dresden Diagnostik und Intervention typischer tödlicher Radfahrerunfall
MehrAlgorithmen und Datenstrukturen Tutorium Übungsaufgaben
Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben
Mehr1 Pfade in azyklischen Graphen
Praktikum Algorithmen-Entwurf (Teil 5) 17.11.2008 1 1 Pfade in azyklischen Graphen Sei wieder ein gerichteter Graph mit Kantengewichten gegeben, der diesmal aber keine Kreise enthält, also azyklisch ist.
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
MehrKonzentrische U-Bahn-Linienpläne
Bachelor-Kolloquium Konzentrische U-Bahn-Linienpläne Magnus Lechner 19.03.2014 Betreuer: Prof. Dr. Alexander Wolff Dipl.-Inf. Martin Fink Motivation Warum sind U-Bahn-Linienpläne von Interesse? Motivation
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrEinsatz von Varianzreduktionstechniken II
Einsatz von Varianzreduktionstechniken II Stratified Sampling und Common Random Numbers Bastian Bluhm Betreuer: Christiane Barz Ausgewählte technische, rechtliche und ökonomische Aspekte des Entwurfs von
MehrMuster. Informatik 3 (Februar 2004) Name: Matrikelnummer: Betrachten Sie den folgenden Suchbaum. A G H J K M N
2 von 15 Aufgabe 1: Suchbäume (14 ) Betrachten Sie den folgenden Suchbaum. A B C D E F G H I J K L M N O P R (a) (1 Punkt ) Geben Sie die Höhe des Knotens F an. (b) (1 Punkt ) Geben Sie die Tiefe des Knotens
MehrVon Labyrinthen zu Algorithmen
Von Labyrinthen zu Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos 1 Fragestellungen
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
MehrVery simple methods for all pairs network flow analysis
Very simple methods for all pairs network flow analysis Tobias Ludes 02.07.07 Inhalt Einführung Algorithmen Modifikation der Gomory-Hu Methode Einführung Nach Gomory-Hu nur n-1 Netzwerk-Fluss- Berechnungen
Mehrlyondellbasell.com Sicherheit bei Schulbeginn
Sicherheit bei Schulbeginn Sicherheit bei Schulbeginn Wenn der Sommer zu Ende geht, beginnt die Schule wieder. Wie Kinder sicher zur Schule kommen Auf Sicherheit im Straßenverkehr achten Einen sicheren
MehrHauptstraße Weßling / Hof Art
9 8 7 6 5 4 3 2 1 : 1: 2: 3: 4: 5: 6: 7: 8: 9: 1: 11: 12: 13: 14: 15: 16: 17: 18: 19: 2: 21: 22: 23: Uhrzeit Sonntag, 15. November 215, 22: Uhr bis Sonntag, 22. November 215, 22: Uhr Geschwindigkeitsübertretung:31
MehrÜbungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
MehrBericht zum Schutz von Opfern von Gewalt und Missbrauch:
Bericht zum Schutz von Opfern von Gewalt und Missbrauch: 1. Einleitung Es hat immer wieder Berichte über Gewalt an Menschen mit Behinderungen gegeben. Deswegen meldet sich der Monitoring-Ausschuss zu Wort.
MehrSo viel wie möglich Extremwertaufgaben aus Geometrie
So viel wie möglich Extremwertaufgaben aus Geometrie Andreas Ulovec 1 Einführung Die meisten Leute sind mit Extremwertaufgaben vertraut: Was ist das flächengrößte Dreieck, das man in einen Kreis einschreiben
MehrPeg-Solitaire. Florian Ehmke. 29. März / 28
Peg-Solitaire Florian Ehmke 29. März 2011 1 / 28 Gliederung Einleitung Aufgabenstellung Design und Implementierung Ergebnisse Probleme / Todo 2 / 28 Einleitung Das Spiel - Fakten Peg-33 33 Löcher, 32 Steine
MehrDashcam-Videos als Kontext im Mechanikunterricht
Wuppertal Dashcam-Videos als Kontext im Mechanikunterricht Prof. Dr., Max Dittewig Institut für Didaktik der Physik Goethe-Universität Frankfurt Dashcam-Videos Gliederung: 1. Grundideen 2. Drei Beispiele
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
MehrAlgorithmen I. Tutorium Sitzung. Dennis Felsing
Algorithmen I Tutorium 1-10. Sitzung Dennis Felsing dennis.felsing@student.kit.edu www.stud.uni-karlsruhe.de/~ubcqr/algo 2011-06-20 Klausur Klausuranmeldung jetzt im Studienportal möglich! Klausur am 19.07.
MehrFahrsicherheitstraining /
Fahrsicherheitstraining / Sicherheitsprogramm für Nutzfahrzeuge 2011 SVG Niedersachsen/Sachsen-Anhalt eg 1 Fahrsicherheitstraining Der Begriff Training oder das Trainieren steht allgemein für alle Prozesse,
MehrVerwendung von OpenStreetMap-Daten in der RoboCup Rescue Simulation League
Verwendung von OpenStreetMap-Daten in der RoboCup Rescue Simulation League Albert-Ludwigs-Universität Freiburg Moritz Göbelbecker und Christian Dornhege Abteilung für Grundlagen der KI Institut für Informatik
MehrHauptstraße Weßling / Gasthof Zur Post
8 7 6 5 4 3 2 1 : 1: 2: 3: 4: 5: 6: 7: 8: 9: 1: 11: 12: 13: 14: 15: 16: 17: 18: 19: 2: 21: 22: 23: Uhrzeit Sonntag, 8. November 215, 21: Uhr bis Sonntag, 15. November 215, 21: Uhr Geschwindigkeitsübertretung:
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrNachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 25. März 2013 Name:... Matr.-Nr.:... Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrHOCHSCHULE FÜR TECHNIK, WIRTSCHAFT UND KULTUR LEIPZIG University of Applied Sciences. Curve Matching. Leonie Bruckert
HOCHSCHULE FÜR TECHNIK, WIRTSCHAFT UND KULTUR LEIPZIG Curve Matching www.htwk-leipzig.de Leonie Bruckert Leipzig, 24.06.2014 map matching: Anwendungsbeispiel Problem: Route eines Fahrzeugs im Straßennetz
MehrKapitel 8: Bipartite Graphen Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
Mehr52.1 Die Schaltung zum Bahnübergang
52.1 Die Schaltung zum Bahnübergang Bisher hatten wir ja nur den Übergang einer Strasse über mehrere Gleise gebaut. Nun setzen wir die Schranken und bauen eine Schaltung dafür. Es soll ja auch funktionieren.
MehrKehre nie mehr um!!!
Denke nach und werde reich (Napoleon Hill) * * * 5 Wege, sich auf Erfolg zu programmieren * * * Zu aller erst gilt es Deinen Verstand von NEGATIV auf POSITIV um zu stellen. Jeder hat auf seinem Weg verschiedene
MehrDiskrete Populationsmodelle für Einzelspezies
Diskrete Populationsmodelle für Einzelspezies Lisa Zang 30.10.2012 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Inhaltsverzeichnis 1. Einführung Einfache Modelle
MehrHauptstraße Weßling / Gasthof Zur Post
8 7 6 5 4 3 2 1 : 1: 2: 3: 4: 5: 6: 7: 8: 9: 1: 11: 12: 13: 14: 15: 16: 17: 18: 19: 2: 21: 22: 23: Uhrzeit Dienstag, 7. November 217, : Uhr bis Samstag, 11. November 217, 23:59 Uhr Geschwindigkeitsübertretung:
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
Mehr4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...
Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5
Mehr