Agentengestützte Verkehrssimulation in Multi-Kreuzungsszenarien

Größe: px
Ab Seite anzeigen:

Download "Agentengestützte Verkehrssimulation in Multi-Kreuzungsszenarien"

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

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

Mehr

Agentengestützte Fahrerassistenzsysteme für das Kreuzungsmanagement

Agentengestützte 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

Mehr

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Graphentheorie. 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

Mehr

Robuste Verhandlungen zwischen verteilten, agentenbasierten Fahrerassistenzsystemen

Robuste 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.

\ 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 )

Mehr

Konzeption und Bewertung einer zentralen Entscheidungsinstanz zur Verkehrsoptimierung an Kreuzungen

Konzeption 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.

Mehr

Kürzeste und Schnellste Wege

Kürzeste 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

Mehr

Kapitel IV Minimale Spannbäume

Kapitel 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.

Mehr

1 topologisches Sortieren

1 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

Mehr

Matchings in Graphen. Praktikum Diskrete Optimierung (Teil 5)

Matchings 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

Mehr

Theoretische Informatik 1

Theoretische 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

Mehr

Von Labyrinthen zu Algorithmen 2. Gerald Futschek

Von 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

Mehr

Algorithmen II Vorlesung am

Algorithmen 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

Mehr

Übung 5 Algorithmen II

Übung 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

Mehr

Breiten- und Tiefensuche in Graphen

Breiten- 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

Mehr

Algorithmen & Komplexität

Algorithmen & 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

Mehr

Theoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009

Theoretische 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

Mehr

Kontrollpunkt L1. durch eine Lehrerin oder einen Lehrer zu besetzen

Kontrollpunkt 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

Mehr

Flüsse und Schnitte von Graphen

Flüsse 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

Mehr

Visualisierung innovativer Mechanismen zur Verkehrssteuerung an Kreuzungen

Visualisierung 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:

Mehr

Was tun, wenn Ihnen Rettungsfahrzeuge im Straßenverkehr begegnen?

Was 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

Mehr

23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108

23. 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

Mehr

15. Elementare Graphalgorithmen

15. 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

Mehr

Methoden zur Visualisierung von Ergebnissen aus Optimierungs- und DOE-Studien

Methoden 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

Mehr

Algorithmen. Von Labyrinthen zu. Gerald Futschek

Algorithmen. 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

Mehr

Autonomes Kreuzungsmanagement für Kraftfahrzeuge

Autonomes Kreuzungsmanagement für Kraftfahrzeuge Autonomes Kreuzungsmanagement für Kraftfahrzeuge Trajektorienplanung mittels Dynamischer Programmierung Torsten Bruns, Ansgar Trächtler AUTOREG 2008 / Baden-Baden / 13.02.2008 Szenario Kreuzungsmanagement

Mehr

Algorithmen. Von Labyrinthen zu. Gerald Futschek

Algorithmen. 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

Mehr

Bienen-inspiriertes Straßenverkehrsrouting

Bienen-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

Mehr

Kommentartext Verkehrszeichen

Kommentartext 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

Mehr

Zustände und Knoten. Vorgänger Information: Tiefe = 4 ΣKosten=4 Expandiert: ja. Zustand Aktion: right. Aktion: down

Zustände 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

Mehr

Sprache: Deutsch / Sprache: Deutsch

Sprache: 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

Mehr

Praktikum Planare Graphen

Praktikum 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

Mehr

a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:

a) 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

Mehr

Richtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.

Richtig 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

Mehr

Für die RED BIKER gelten folgende Goldene Regeln :

Für 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,

Mehr

Informatik II, SS 2014

Informatik 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

Mehr

Quicksort ist ein Divide-and-Conquer-Verfahren.

Quicksort 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.

Mehr

Wie 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 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

Mehr

Algorithmen für Geographische Informationssysteme

Algorithmen 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

Mehr

Algorithmen & Datenstrukturen 2 Praktikum 3

Algorithmen & 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

Mehr

Wie wird ein Graph dargestellt?

Wie 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

Mehr

Algorithmen und Datenstrukturen

Algorithmen 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

Mehr

7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure

7. 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

Mehr

Abzählen und Konstruktion der Strukturisomere von Alkanen, Alkenen und Alkinen

Abzählen 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

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 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

Mehr

Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:

Graphen 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

Mehr

Schnell oder langsam - bei welcher Geschwindigkeit ist der Verkehrsfluss an einer Autobahnbaustelle optimal? Privates Franziskus-Gymnasium Vossenack

Schnell 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

Mehr

Gierige Algorithmen Interval Scheduling

Gierige 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:

Mehr

Karlsruher Institut für Technologie. Klausur Algorithmen I

Karlsruher 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

Mehr

Breitensuche BFS (Breadth First Search)

Breitensuche 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;

Mehr

Kapitel IV Minimale Spannbäume

Kapitel 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.

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen 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

Mehr

Beobachtungspunkte 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 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

Mehr

Programmierkurs Python

Programmierkurs 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

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, 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

Mehr

Einführung in die Informatik 2

Einführung 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

Mehr

Programmierkurs Python II

Programmierkurs 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

Mehr

Algorithmen & Komplexität

Algorithmen & 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

Mehr

Fahrradfahrer in Deutschland

Fahrradfahrer 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.

Mehr

Algorithmen. Von Labyrinthen zu. Gerald Futschek

Algorithmen. 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

Mehr

Algebraische und arithmetische Algorithmen

Algebraische 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

Mehr

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität

Datenstrukturen 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

Mehr

Herzlich Willkommen. Theoretische Einweisung

Herzlich 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

Mehr

Very simple methods for all pairs network flow analysis

Very 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

Mehr

10. Übungsblatt zu Algorithmen I im SS 2010

10. 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

Mehr

Wie nehmen Radfahrer einen möglichen Konflikt mit einem Rechtsabbieger wahr?

Wie 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

Mehr

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben

Algorithmen 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

Mehr

1 Pfade in azyklischen Graphen

1 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.

Mehr

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)

Helmut 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).

Mehr

Konzentrische U-Bahn-Linienpläne

Konzentrische 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

Mehr

Grundlagen 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): 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

Mehr

Einsatz von Varianzreduktionstechniken II

Einsatz 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

Mehr

Muster. Informatik 3 (Februar 2004) Name: Matrikelnummer: Betrachten Sie den folgenden Suchbaum. A G H J K M N

Muster. 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

Mehr

Von Labyrinthen zu Algorithmen

Von 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. 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,

Mehr

Very simple methods for all pairs network flow analysis

Very 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

Mehr

lyondellbasell.com Sicherheit bei Schulbeginn

lyondellbasell.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

Mehr

Hauptstraße Weßling / Hof Art

Hauptstraße 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

Mehr

Übungsblatt 7 - Voronoi Diagramme

Übungsblatt 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

Mehr

Bericht zum Schutz von Opfern von Gewalt und Missbrauch:

Bericht 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.

Mehr

So viel wie möglich Extremwertaufgaben aus Geometrie

So 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

Mehr

Peg-Solitaire. Florian Ehmke. 29. März / 28

Peg-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

Mehr

Dashcam-Videos als Kontext im Mechanikunterricht

Dashcam-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

Mehr

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1

Stud.-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

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene 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

Mehr

Algorithmen I. Tutorium Sitzung. Dennis Felsing

Algorithmen 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.

Mehr

Fahrsicherheitstraining /

Fahrsicherheitstraining / Fahrsicherheitstraining / Sicherheitsprogramm für Nutzfahrzeuge 2011 SVG Niedersachsen/Sachsen-Anhalt eg 1 Fahrsicherheitstraining Der Begriff Training oder das Trainieren steht allgemein für alle Prozesse,

Mehr

Verwendung von OpenStreetMap-Daten in der RoboCup Rescue Simulation League

Verwendung 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

Mehr

Hauptstraße Weßling / Gasthof Zur Post

Hauptstraße 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:

Mehr

Theoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme

Theoretische 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

Mehr

Konzepte der Informatik

Konzepte 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

Mehr

Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Nachklausur 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:

Mehr

HOCHSCHULE FÜR TECHNIK, WIRTSCHAFT UND KULTUR LEIPZIG University of Applied Sciences. Curve Matching. Leonie Bruckert

HOCHSCHULE 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

Mehr

Kapitel 8: Bipartite Graphen Gliederung der Vorlesung

Kapitel 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

Mehr

52.1 Die Schaltung zum Bahnübergang

52.1 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.

Mehr

Kehre nie mehr um!!!

Kehre 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

Mehr

Diskrete Populationsmodelle für Einzelspezies

Diskrete 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

Mehr

Hauptstraße Weßling / Gasthof Zur Post

Hauptstraße 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:

Mehr

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7

Algo&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

Mehr

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...

4 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