OPTIMALE ROUTENPLANUNG - MÜLLABFUHR -
|
|
- Ernst Schreiber
- vor 5 Jahren
- Abrufe
Transkript
1 OPTIMALE ROUTENPLANUNG - MÜLLABFUHR - Sarina Zens HS Mathematische Modellierung WS 2018/19 Dozentin: Prof. Dr. Mária Lukácová-Medvidová zle/muellabfuhr-06346/index.html
2 Inhalt Einführung Modellierung als graphentheoretisches Problem Konstruktion von Eulergraphen und touren Algorithmen zur Bestimmung von Eulertouren in Eulergraphen Der Zwiebelschalen-Algorithmus Fleurys Algorithmus Verbindung von ungeraden Knoten Beispiel JGU-Campus 2
3 Einführung Optimale Routenplanung für die Müllabfuhr 3
4 Wie viel Müll produziert ihr im Jahr? (vgl. bvse & Grall) Mainz: 180 kg pro Einwohner Deutschlandweites Mittelfeld: Hamburg 279 kg Konstanz 86 kg Die Kosten für die Müllabfuhr und die Müllfahrzeuge steigen immer weiter an Die Optimierung der Fahrtroute spart Zeit und Treibstoff Kostenminimierung 4
5 Was ist eine optimale Route? Ziel: Der Gesamtweg soll möglichst kurz sein Kriterien: Alle Straßen müssen einmal befahren werden Anfangs- und Endpunkt der Route stimmen überein Einbahnstraßen: Fahrtrichtung ist vorgegeben Sackgassen/ Straßen mit begrüntem Mittelstreifen: müssen in beide Richtungen befahren werden 5
6 Historisch Anfang der 60er: Mei Go Guan (Chinesischer Mathematiker) Optimierung der Fahrtwege chinesischer Postzusteller Chinesisches Postbotenproblem Unterschiede: Postbote befährt mit seinem Fahrrad jede Straße zweimal Einbahnstraßen stellen kein Problem dar 6
7 Modellierung als graphentheoretisches Problem Transformation eines Stadtplanes in einen Graphen 7
8 Definitionen: Ein Graph besteht aus einer Menge von Knoten K, einer Menge von Kanten E und einer Zuordnung, die jeder Kante ein Knotenpaar zuweist. Straßennetz: Jede Kreuzung stellt einen Knoten dar. Jede Straße stellt eine Kante dar. 8
9 Abbildung 1: Schematische Darstellung einer Fahrtroute Abbildung 2: Graph der dargestellten Fahrtroute 9
10 Definitionen: Ein gerichteter Graph besteht aus Knoten und Bögen. Ein Bogen hat eine Richtung und verbindet zwei Knoten miteinander. Ein gemischter Graph kann sowohl Kanten als auch Bögen haben. Abbildung 3: Gemischter Graph 10
11 Abbildung 4: Vereinfachter Graph der dargestellten Fahrtroute 11
12 Definition: Ein gewichteter Graph ist ein Graph mit einer zusätzlichen Gewichtsfunktion, die jeder Kante eine Zahl zuordnet. Abbildung 5: Gewichteter Graph der dargestellten Fahrtroute 12
13 Definitionen: Ein Weg, der durch jede Kante eines zusammenhängenden Graphen genau einmal führt, heißt Eulerweg. - Eine Rundtour, die durch jede Kante eines zusammenhängenden Graphen genau einmal führt, heißt Eulertour. - Ein Graph, der eine Eulertour enthält, heißt Eulergraph. Abbildung 6: Königsberger Brückenproblem 13
14 Konstruktion von Eulergraphen und -touren Für welche Graphen existiert eine Eulertour? 14
15 Abbildung 7: HvN 15
16 Definition: Die Anzahl der Kantenenden an einem Knoten k heißt der Grad des Knotens d(k). Satz: Sei G ein zusammenhängender Graph. Dann existiert eine Eulertour genau dann, wenn alle Knoten in G geraden Grad besitzen. Abbildung 8: HvN mit Knotengraden 16
17 Beweis (vgl. Baur) - Sei G ein Eulergraph. - Dann existiert in G eine Eulertour pp = kk 1, kk 2,, kk ii, kk 1, die alle Kanten umfasst. - In dieser Tour pp wird jeder Knoten n-mal durchlaufen, d.h. jeweils über eine Kante erreicht und über eine weitere verlassen. Alle Knoten in pp haben also geraden Grad - Da der Graph zusammenhängend ist, umfasst die Tour alle Knoten. Alle Knoten in G haben daher geraden Grad. 17
18 Beweis (vgl. Baur) - Sei G ein zusammenhängender Graph, wobei alle Knoten geraden Grad besitzen. Sei kk 1 ein beliebiger Anfangsknoten. - Wir durchlaufen von kk 1 aus einen Weg ee 1, ee 2, und fügen so lange Kanten an, bis wir einen Knoten kk n erreichen, von dem aus keine unbenutzte Kante mehr abgeht. - Da kk 1 und kk n nach Voraussetzung geraden Grad haben, muss der Endknoten kk n mit kk 1 identisch sein Fall: Haben mit ee 1, ee 2, den gesamten Graphen durchlaufen. Fertig! 2. Fall: Haben den Graphen noch nicht durchlaufen. 18
19 Beweis (vgl. Baur) - Dann gibt es einen Knoten kk i, an dem ein weiterer geschlossener Weg ff 1, ff 2,, ff mm beginnt und endet, denn auch der Grad von kk i ist gerade. - Die zusammengelegten Wege bilden wieder einen geschlossenen Weg pp = ee 1, ee 2,, ee ii, ff 1, ff 2,, ff mm, ee ii+1,, ee nn - Der Prozess bricht ab, wenn alle Kanten verwendet wurden. Der Weg pp ist eine Eulertour. - Ein zusammenhängender Graph, in dem alle Knoten geraden Grad haben, ist also ein Eulergraph. Da kk 1 beliebig war, kann jeder Knoten Anfangs- und Endknoten einer Eulertour sein. 19
20 Algorithmen zur Bestimmung von Eulertouren in Eulergraphen Der Zwiebelschalen- Algorithmus (Hierholzer-Algorithmus) 20
21 Der Zwiebelschalen- Algorithmus Eingabe: Ein Eulergraph Ausgabe: Eine Eulertour 1. Wähle im Graphen einen Startknoten. Abbildung 9: ZA Startknoten 21
22 2. Laufe von diesem Knoten aus entlang noch unmarkierter Kanten bis der Ausgangsknoten wieder erreicht ist. Prüfe, ob bereits alle Kanten des Graphens markiert wurden: - Wenn ja, dann gehe zu Schritt 3. - Wenn nein, dann suche einen Knoten, der noch unmarkierte Kanten besitzt, und wiederhole Schritt 2. Abbildung 10: ZA Kreis 1 22
23 Abbildung 11: ZA Kreis 1&2 Abbildung 12: ZA Kreis1&2&3 23
24 3. Die Eulertour wird aus den Kreisen zusammengesetzt: - Gehe entlang des ersten Kreises, bis er einen weiteren Kreis berührt. - Folge dem neuen Kreis, bis dieser an einen nächsten Kreis stößt... - Findet man keinen neuen beginnenden Kreis, so gehe den zuletzt begonnenen Kreis zu Ende und dann wieder in den vorherigen hinein... Abbildung 13: ZA Eulertour 24
25 Algorithmen zur Bestimmung von Eulertouren in Eulergraphen Fleurys Algorithmus 25
26 Definition: Brücke Eine Brücke ist eine Kante in einem Graphen, bei deren Wegnahme der Graph in zwei Komponenten zerfallen würde Abbildung 14: Brücke Abbildung 15: Brückenhälften 26
27 Fleurys Algorithmus Eingabe: Ein Eulergraph Ausgabe: Eine Eulertour 1. Beginne mit einer beliebigen Kante. Abbildung 16: FA Startkante 27
28 2. Wähle die jeweils nächste Kante so, dass sie in dem Restgraphen, der entsteht, keine Brücke bildet. 3. Die Tour ist fertig, wenn alle Kanten aufgenommen wurden. Abbildung 17: FA Kante 2 Abbildung 18: FA Kante 3 28
29 Abbildung 19: FA Kante 7 Abbildung 20: FA Brücke 29
30 Verbindung von ungeraden Knoten Die Anzahl der ungeraden Knoten 30
31 Das Haus vom Nikolaus Wie kann man den Graphen reparieren um doch noch eine Rundtour darin machen zu können? Abbildung 21: HvN mit Knotengraden 31
32 Herstellung eines Eulergraphen durch die kürzeste Verbindung der beiden ungeraden Knoten Abbildung 22: HvN Verbindung ungerader Knoten 32
33 Handshaking-Lemma: Sei G ein Graph mit e Kanten und n Knoten kk 1, kk 2,, kk n Dann gilt: nn ii=1 d kk ii = 2e Beweis: Bildet man die Summe über alle Knotengrade, so zählt man jede Kante zwei Mal Denn: Jede Kante {x,y} wird ein erstes Mal berücksichtigt, wenn man den Grad des Knotens x betrachtet und ein zweites Mal, wenn man den Grad des Knotens y addiert Die Summe entspricht folglich dem Doppelten der Anzahl der Kanten in dem Graphen 33
34 Satz: In jedem Graphen G ist die Anzahl der Knoten mit ungeradem Grad gerade. Beweis: an Tafel Aus jedem nicht eulerschen Graphen lässt sich ein Eulergraph entwickeln, indem je zwei Knoten ungeraden Grades auf kürzestem Weg miteinander verbunden werden. 34
35 Verbindung von ungeraden Knoten Matchings 35
36 Definition: Matching Ein Matching ist ein Teilgraph, in dem alle Knoten höchstens Grad 1 haben. Ein perfektes Matching hat lauter Knoten vom Grad 1, es sind also alle Knoten zu Paaren verbunden. Ein Matching heißt minimal, wenn die Summe der Kantengewichte kleiner (oder gleich) der Summe der Kantengewichte bei jedem anderen Matching ist, welches diese Knoten verbindet. 36
37 Abbildung 23: Reparierter Graph Hußmann & Lutz-Westphal, S. 90 Hußmann & Lutz-Westphal, S. 90 Abbildung 24: Kürzeste-Wege-Graph der ungeraden Knoten
38 Wie viele verschiedene Matchings gibt es auf n Knoten? Beispiel: 18 ungerade Knoten Anzahl: = Kombinatorische Explosion, die es im Allgemeinen unmöglich macht, alle Matchings zu berechnen und zu vergleichen Ausweichen auf Algorithmen 38
39 Das gemischte Chinesische Postbotenproblem Gehört zur Klasse der NP-schweren Probleme NP = nichtdeterministische Polynomialzeit (vgl. Erickson) Ein Problem wird in Polynomialzeit lösbar genannt, wenn es von einem Algorithmus gelöst wird, dessen benötigte Rechenzeit höchstens polynomiell mit der Größe der Eingaben des Problems wächst Polynomialzeit = Grenze zwischen praktisch lösbaren und praktisch unlösbaren Problemen (nicht trennscharf) 39
40 Beispiel JGU-Campus Wie lässt sich eine optimale Route für den JGU-Campus planen? 40
41 Abbildung 25: Lageplan Campus 41
42 Abbildung 26: Vereinfachter Graph 42
43 Abbildung 27: Reduzierter Graph 43
44 Abbildung 28: Gewichteter Graph 44
45 Abbildung 29: Ungerade Knoten 45
46 Abbildung 30: Matching 1 & 2 46
47 Abbildung 31: Graph mit geraden Knotengraden 47
48 Abbildung 32: Kreis 1 48
49 Abbildung 33: Kreis 2 49
50 Abbildung 34: Kreise 3 & 4 50
51 kphoto.de/clipartvecteur/dustcart.html 51
52 Literatur Hauptquellen: Hußmann, Stephan; Lutz-Westphal, Brigitte (Hg.) (2007): Kombinatorische Optimierung erleben. In Studium und Unterricht. Wiesbaden: Frieds. Vieweg & Sohn Verlag. S Online verfügbar unter Ortlieb, Claus Peter; Dresky, Caroline; Gasser, Ingenuin; Günzel, Silke (2013): Mathematische Modellierung. Eine Einführung in zwölf Fallstudien. 2., akt. Aufl Wiesbaden: Springer. S Online verfügbar unter Nebenquellen: Baur, Lene (2010): Königsberger Brückenproblem. Hg. v. Philipps-Universität Marburg. Online verfügbar unter marburg.de/~bschwarz/sem_09w_files/02%20lene%20baur%20- %20Königsberger%20Brückenproblem%20-%20Ausarbeitung.pdf. bvse (Hg.) (2017): Studie: 200 Kommunen im Müllvergleich. Online verfügbar unter Erickson, Jeff (2014): NP-Hard Problems. Online verfügbar unter Grall, Ulla (2011): Der Müll, die Stadt und Hg. v. Sensor-Magazin. Online verfügbar unter 52
53 Abbildungen
Algorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
Mehr4. Kreis- und Wegeprobleme
4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
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
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Euler-Hamilton)
WS 2015/16 Diskrete Strukturen Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
MehrEulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal
3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition
MehrKönigsberger Brückenproblem
Philipps-Universität Marburg Fachbereich 12: Mathematik und Informatik PS: Klassische Probleme der Mathematik Leitung: Prof. Dr. Harald Upmeier, Benjamin Schwarz Referentin: Lene Baur WS 2009/2010 Königsberger
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 6: Kreis- und Wegeprobleme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 27. März 2018 1/47 KREIS- UND WEGEPROBLEME 2/47
MehrWestfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld
Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus
MehrNaiver Algorithmus für Hamiltonkreis
Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE
MehrSatz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...
Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings
MehrDiskrete Mathematik Graphentheorie (Übersicht)
Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die
Mehrin einem Zug finden, egal, wie lange man probiert? b) Warum kann man von bestimmten Ecken aus niemals eine Lösung
Schülerzirkel Mathematik Fakultät für Mathematik. Universität Regensburg Graphentheorie... oder das Haus vom Nikolaus! Graphentheorie man könnte meinen, dass es hier um Funktionsgraphen geht, wie ihr sie
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
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
Mehr1 Beispiele für Graphen
Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem
Mehr9. Algorithmus der Woche Die Eulertour Wie Leonhard Euler das Haus vom Nikolaus zeichnet
9. Algorithmus der Woche Die Eulertour Wie Leonhard Euler das Haus vom Nikolaus zeichnet Autoren Michael Behrisch, Humboldt-Universität zu Berlin Amin Coja-Oghlan, Humboldt-Universität zu Berlin, Humboldt-Universität
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrFormale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrGraphen: Rundwege, Kodierung von Bäumen
TH Mittelhessen, Wintersemester 2013/2014 Lösungen zu Übungsblatt 11 Fachbereich MNI, Diskrete Mathematik 4./5./6. Februar 2014 Prof. Dr. Hans-Rudolf Metz Graphen: Rundwege, Kodierung von Bäumen Aufgabe
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrSeminar: Einladung in die Mathematik
Seminar: Einladung in die Mathematik Marius Kling 11.11.2013 Übersicht 1. Königsberger Brückenproblem 2. Diskrete Optimierung 3. Graphentheorie in der Informatik 4. Zufällige Graphen 5. Anwendungen von
MehrMinimal spannender Baum
Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf
MehrVorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen
Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter WS 2013/14 1 Eulersche Graphen Kantenzug Ein Kantenzug in einem Graphen (V, E) ist eine Folge (a 0, a 1,..., a n ) von Knoten
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrHamiltonsche Graphen
Hamiltonsche Graphen Definition 3.2. Es sei G = (V, E) ein Graph. Ein Weg, der jeden Knoten von G genau einmal enthält, heißt hamiltonscher Weg. Ein Kreis, der jeden Knoten von G genau einmal enthält,
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrVorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen
Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul
MehrGibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert?
Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Königsberger Brückenproblem Gibt es in Königsberg einen Spaziergang, bei dem man
MehrWESTFÄLISCHE WILHELMS-UNIVERSITÄT MÜNSTER. Über 7 Brücken... wissen leben WWU Münster. Dietmar Lammers Hochschultag 201
MÜNSTER Über 7 Brücken... Dietmar Lammers Hochschultag 201 MÜNSTER Über 7 Brücken... 2/29 > Dauerwerbeveranstaltung für ein Studium der Informatik- aber mit mathematischem Inhalt! Hier: Ein Auszug aus
MehrPraktische Grenzen der Berechenbarkeit
Arno Schwarz Praktische Grenzen der Berechenbarkeit Während es im ersten Abschnitt um prinzipiell unlösbare Probleme ging, wenden wir uns nun Aufgaben zu, deren Lösbarkeit praktische Grenzen gesetzt sind.
MehrPrüfungsklausur Operations Research,
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research,.0.0 B Name, Vorname Matr. Nr. Aufgabe gesamt erreichbare P. () 0+ erreichte P. Bemerkungen: Die angewendeten
MehrPrüfungsklausur Operations Research,
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 12.0.201 A Name, Vorname Matr. Nr. Aufgabe 1 2 6 gesamt erreichbare P. 1 () 1 1 0+ erreichte P. Bemerkungen:
MehrKapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung
Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrGraphalgorithmen II. Werner Sembach Werner Sembach Graphalgorithmen II / 22
Graphalgorithmen II Werner Sembach 14.04.2014 Werner Sembach Graphalgorithmen II 14.04.2014 1 / 22 Übersicht Datenstrukturen Union-Find Fibonacci-Heap Werner Sembach Graphalgorithmen II 14.04.2014 2 /
Mehr6. Übung zur Linearen Optimierung SS08
6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl
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
MehrAlgorithmische Graphentheorie
1 Algorithmische Graphentheorie Sommersemester 2014 5. Vorlesung Matchings / Paarungen II Kombinatorischer Algorithmus, Anwendung für Handlungsreisende, LP-Runden Dr. Joachim Spoerhase Prof. Dr. Alexander
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
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
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
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.
MehrGraphentheorie. Yichuan Shen. 10. Oktober 2013
Graphentheorie Yichuan Shen 0. Oktober 203 Was ist ein Graph? Ein Graph ist eine kombinatorische Struktur, die bei der Modellierung zahlreicher Probleme Verwendung findet. Er besteht ganz allgemein aus
MehrQ.E.D. Algorithmen und Datenstrukturen Wintersemester 2018/2019 Übung#2, Christian Rieck, Arne Schmidt
Institute of Operating Systems and Computer Networks Algorithms Group Q.E.D. Algorithmen und Datenstrukturen Wintersemester 2018/2019 Übung#2, 01.11.2018 Christian Rieck, Arne Schmidt Einführendes Beispiel
MehrGraphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien
Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009
Mehr9: Gewichtete Graphen
Chr.Nelius: Graphentheorie (WS 06/7) 9 9: Gewichtete Graphen Beispiel: Eine Straßenkarte mit Entfernungsangaben zwischen den Orten ist ein Beispiel für einen gewichteten Graphen. (9.) DEF: Ein Graph G
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 16.12.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrBäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann
Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume
MehrGibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert?
Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? 1 Königsberger Brückenproblem Im Jahre 1736 Leonhard Euler löste das Problem allgemein
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
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
MehrElementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht
Prof. Dr. Andreas Meister SS 2004 digital von: Frank Lieberknecht Geplanter Vorlesungsverlauf...1 Graphentheorie...1 Beispiel 1.1: (Königsberger Brückenproblem)... 1 Beispiel 1.2: (GEW - Problem)... 2
Mehrma orrsc e, I rerun er e en
Stephan Hußmann (Hrsg.) o ma orrsc e, I rerun er e en In Studium und Unterricht vieweg 42 - ein Geleitwort von Peter Gritzmann Xl Vorwort Xll1 1 Optimal zum Ziel: Das Kürzeste-Wege-Problem 1 1 U-Bahn-Fahrten,
MehrInhalt. 42 ein Geleitwort von Peter Gritzmann xi. Vorwort zur ergänzten Neuauflage
Inhalt 42 ein Geleitwort von Peter Gritzmann xi Vorwort Vorwort zur ergänzten Neuauflage xiii xvii 1 Brigitte Lutz-Westphal Optimal zum Ziel: Das Kürzeste-Wege-Problem 1 1 U-Bahn-Fahrten, Schulwege und
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 8
MehrDas Art Gallery Problem
Dipl. Math. Timo de Wolff FB 12 Institut für Mathematik Mail: wolff(at)math.uni-frankfurt.de http://www.uni-frankfurt.de/fb/fb12/mathematik/dm/personen/dewolff/index.html Das Art Gallery Problem Mustervorlesung
MehrAlgorithmische Graphentheorie
1 Algorithmische Graphentheorie Sommersemester 2016 1. Vorlesung Rundreiseprobleme Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Übersicht I) Eulerkreise III) Handlungsreisende II) Hamiltonkreise
MehrKombinatorische Optimierung erleben
(Hrsg.) Kombinatorische Optimierung erleben In Studium und Unterricht vieweg 42 - ein Geleitwort von Peter Gritzmann xi Vorwort xiii 1 Optimal zum Ziel: Das Kürzeste-Wege-Problem 1 1 U-Bahn-Fahrten, Schulwege
MehrWS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrDaniel Platt Einführung in die Graphentheorie
Einführung in die Für die Mathematische Schülergesellschaft Leonhard Euler Humboldt Universität zu Berlin, Institut für Mathematik Das vorliegende Skript beschäftigt sich mit dem Thema. Das Skript entsteht
MehrGraphentheorie in der Schule
OTTO VON GUERICKE UNIVERSITÄT MAGDEBURG Graphentheorie in der Schule Eulerkreise/-wege & Hamiltonkreise/-wege Professorin: apl. Prof. Dr. rer. nat. habil. Heidemarie Bräsel Masterstudiengang: Lehramt an
Mehr2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrFormale Grundlagen. bis , Lösungen. 1. Beweisen Sie, daß die Summe aller Grade der Knoten stets gerade ist.
Formale Grundlagen 4. Übungsaufgaben bis 2011-06-03, Lösungen 1. Beweisen Sie, daß die Summe aller Grade der Knoten stets gerade ist. 2. Finden Sie einen Eulerschen Weg im Briefumschlag, d.h. in: { ((1,
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/03 Institut für Informatik Aufgabenblatt 6 Prof. Dr. J. Csirik 18. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrDiskrete Mathematik für Informatiker
Universität Siegen Lehrstuhl Theoretische Informatik Carl Philipp Reh Daniel König Diskrete Mathematik für Informatiker WS 016/017 Übung 7 1. Gegeben sei folgender Graph und das Matching M = {{h, f}, {c,
MehrGraphen. Graphen und ihre Darstellungen
Graphen Graphen und ihre Darstellungen Ein Graph beschreibt Beziehungen zwischen den Elementen einer Menge von Objekten. Die Objekte werden als Knoten des Graphen bezeichnet; besteht zwischen zwei Knoten
MehrWas bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen
Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,
MehrEuler und Hamiltonkreise
Euler und Hamiltonkreise 1. Königsberger Brücken 2. Eulerwege und Kreise Definition, Algorithmus mit Tiefensuche 3. Hamiltonwege und Kreise Definition 4. Problem des Handlungsreisenden Enumeration und
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
MehrMustererkennung: Graphentheorie
Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:
Mehr