Fortgeschrittene Netzwerk- und Graph-Algorithmen
|
|
- Kristian Timo Hofmann
- vor 5 Jahren
- Abrufe
Transkript
1 Fortgechrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrtuhl für Effiziente Algorithmen (Prof. Dr. Ernt W. Mayr) Intitut für Informatik Techniche Univerität München Winteremeter 2010/11 H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 1 / 533
2 Übericht 1 H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 28 / 533
3 Graphtraverierung Problem: Wie kann man die Knoten eine Graphen ytematich durchlaufen? Breitenuche (breadth-firt earch, bf) chichtenweie Traverierung in aufteigendem Abtand vom Urprungknoten Tiefenuche (depth-firt earch, df) Topologiche Sortierung (bei DAG) Zweifachzuammenhangkomponenten Starke Zuammenhangkomponenten H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 29 / 533
4 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
5 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
6 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
7 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
8 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
9 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
10 Breitenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 30 / 533
11 Breitenuche Anwendung: Single Source Shortet Path (SSSP) Problem in ungewichteten Graphen d(v): Ditanz von Knoten v zu (d() = 0) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 31 / 533
12 Breitenuche parent(v): Knoten, von dem v entdeckt wurde parent wird beim erten Beuch von v geetzt ( eindeutig) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 32 / 533
13 Breitenuche Kantentypen: Baumkanten: zum Kind Rückwärtkanten: zu einem Vorfahren Kreuzkanten: ontige H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 33 / 533
14 Breitenuche void BFS(Node ) { d[] = 0; parent[] = ; Lit<Node> q = ; while (!q.empty()) { u =q.popfront(); foreach ((u, v) E) { if (parent[v] == null) { q.puhback(v); d[v] = d[u]+1; parent[v] = u; } } } } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 34 / 533
15 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
16 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
17 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
18 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
19 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
20 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
21 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
22 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
23 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
24 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
25 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
26 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
27 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
28 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
29 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
30 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
31 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
32 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
33 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
34 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
35 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
36 Tiefenuche H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 35 / 533
37 Tiefenuche Übergeordnete Methode (fall nicht alle Knoten erreicht werden) alle Knoten nicht markiert; init(); foreach ( V ) if ( nicht markiert) { markiere ; root(); DFS(,); } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 36 / 533
38 Tiefenuche void DFS(Node u, Node v) { foreach ((v, w) E) if (i marked(w)) traverenontreeedge(v,w); ele { traveretreeedge(v,w); mark(w); DFS(v,w); } backtrack(u,v); } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 37 / 533
39 Tiefenuche Variablen: int[ ] dfnum; int[ ] finihnum; int dfcount, finihcount; Methoden: // Explorationreihenfolge // Fertigtellungreihenfolge // Zähler void init() { dfcount = 1; finihcount = 1; } void root(node ) { dfnum[] = dfcount; dfcount++; } void traveretreeedge(node v, Node w) { dfnum[w] = dfcount; dfcount++; } void traverenontreeedge(node v, Node w) { } void backtrack(node u, Node v) { finihnum[v] = finihcount; finihcount++; } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 38 / 533
40 Tiefenuche (8,10) (9,9) (11,8) (6,1) (5,3) (10,7) (1,11) (2,6) (4,4) (7,2) (3,5) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 39 / 533
41 DFS-Nummerierung Kantentypen: Baumkanten: zum Kind Vorwärtkanten: zu einem Nachfahren Rückwärtkanten: zu einem Vorfahren Kreuzkanten: ontige (8,10) (9,9) (11,8) (6,1) (5,3) (10,7) (1,11) (2,6) (4,4) (7,2) (3,5) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 40 / 533
42 DFS-Nummerierung Beobachtung für Kante (v, w): Kantentyp dfnum[v] < dfnum[w] finihnum[v] > finihnum[w] Baum & Vorwärt ja ja Rückwärt nein nein (umgekehrt) Kreuz nein ja H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 41 / 533
43 DFS-Nummerierung Anwendung: Erkennung von azyklichen gerichteten Graphen (engl. directed acyclic graph / DAG) (8,10) (9,9) (11,8) (6,1) (5,3) (10,7) (1,11) (2,6) (4,4) (7,2) (3,5) keine gerichteten Kreie H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 42 / 533
44 DFS-Nummerierung Lemma Folgende Auagen ind äquivalent: 1 Graph G it ein DAG. 2 DFS in G enthält keine Rückwärtkante. 3 (v, w) E : finihnum[v] > finihnum[w] Bewei. (2) (3): wenn (2), dann gibt e nur Baum-, Vorwärt- und Kreuzkanten Für alle gilt (3) (3) (2): für Rückwärtkanten gilt ogar die umgekehrte Relation finihnum[v]<finihnum[w] wenn (3), dann kann e alo keine Rückwärtkanten geben (2) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 43 /
45 DFS-Nummerierung Lemma Folgende Auagen ind äquivalent: 1 Graph G it ein DAG. 2 DFS in G enthält keine Rückwärtkante. 3 (v, w) E : finihnum[v] > finihnum[w] Bewei. (2) (1): wenn Rückwärtkante (v, w) exitiert, gibt e einen gerichteten Krei ab Knoten w (und G it kein DAG) (1) (2): wenn e einen gerichteten Krei gibt, it mindeten eine von der DFS beuchte Kante diee Kreie eine Rückwärtkante (Kante zu einem chon beuchten Knoten, dieer mu Vorfahr ein) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 44 / 533
46 Zuammenhang in Graphen Definition Ein ungerichteter Graph heißt zuammenhängend, wenn e von jedem Knoten einen Pfad zu jedem anderen Knoten gibt. Ein maximaler zuammenhängender induzierter Teilgraph wird al Zuammenhangkomponente bezeichnet. Die Zuammenhangkomponenten eine ungerichteten Graphen können mit DFS oder BFS in O(n + m) betimmt werden. H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 45 / 533
47 Knoten-Zweifachzuammenhang Definition Ein ungerichteter Graph G = (V, E) heißt 2-fach zuammenhängend (oder genauer geagt 2-knotenzuammenhängend), fall V > 2 und für jeden Knoten v V der Graph G {v} zuammenhängend it. H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 46 / 533
48 Artikulationknoten und Blöcke Definition Ein Knoten v eine Graphen G heißt Artikulationknoten (engl. cut-vertex), wenn ich die Anzahl der Zuammenhangkomponenten von G durch da Entfernen von v erhöht. Definition Die Zweifachzuammenhangkomponenten eine Graphen ind die maximalen Teilgraphen, die 2-fach zuammenhängend ind. Ein Block it ein maximaler zuammenhängender Teilgraph, der keinen Artikulationknoten enthält. D.h. die Menge der Blöcke beteht au den Zweifachzuammenhangkomponenten, den Brücken (engl. cut edge), owie den iolierten Knoten. H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 47 / 533
49 Blöcke und DFS Modifizierte DFS nach R. E. Tarjan: num[v]: DFS-Nummer von v low[v]: minimale Nummer num[w] eine Knoten w, der von v au über beliebig viele ( 0) Baumkanten abwärt, evt. gefolgt von einer einzigen Rückwärtkante erreicht werden kann low[v]: Minimum von num[v] low[w], wobei w ein Kind von v im DFS-Baum it (Baumkante) num[w], wobei {v, w} eine Rückwärtkante it H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 48 / 533
50 Blöcke und DFS Lemma Sei G = (V, E) ein ungerichteter, zuammenhängender Graph und T ein DFS-Baum in G. Ein Knoten a V it genau dann ein Artikulationknoten, wenn a die Wurzel von T it und mindeten 2 Kinder hat, oder a nicht die Wurzel von T it und e ein Kind b von a mit low[b] num[a] gibt. H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 49 / 533
51 Blöcke und DFS Die Kanten werden auf einem Stack geammelt und nach der Erkennung eine Artikulationknoten wird der geamte Block abgepflückt. D A B G C A B H D C E H B F H D C E G F A E G F H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 50 / 533
52 Starke Zuammenhangkomponenten Definition Sei G = (V, E) ein gerichteter Graph. U V heißt tark zuammenhängend genau dann, wenn für alle u, v U ein gerichteter Pfad von u nach v in G exitiert U V heißt tarke Zuammenhangkomponente (ZHK) von G, wenn U tark zuammenhängend und (inkluion-)maximal it U H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 51 / 533
53 Starke Zuammenhangkomponenten Beobachtung: Schrumpft man alle tarken Zuammenhangkomponenten zu einzelnen Knoten, ergibt ich ein DAG. U H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 52 / 533
54 Starke Zhk. und DFS / Variante 1 Modifizierte DFS nach R. E. Tarjan: num[v]: DFS-Nummer von v low[v]: minimale Nummer num[w] eine Knoten w, der von v au über beliebig viele ( 0) Baumkanten abwärt, evt. gefolgt von einer einzigen Rückwärtkante oder einer Querkante zu einer ZHK, deren Wurzel echter Vorfahre von v it, erreicht werden kann low[v]: Minimum von num[v] low[w], wobei w ein Kind von v im DFS-Baum it (Baumkante) num[w], wobei {v, w} eine Rückwärtkante it num[w], wobei {v, w} eine Querkante it und die Wurzel der tarken Zuammenhangkomponente von w it Vorfahre von v H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 53 / 533
55 Starke Zuammenhangkomponenten Knoten v it genau dann Wurzel einer tarken Zuammenhangkomponente, wenn num[v]=low[v] H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 54 / 533
56 Starke Zhk. und DFS / Variante 2 Prinzip: Untercheidung in fertige / unfertige Knoten Zuammenhangkomponente heißt gechloen, fall ie nur fertige Knoten enthält, anonten heißt ie offen Knoten in gechloenen Komponenten heißen gechloen, ont offen Repräentant einer ZHK it der Knoten mit der kleinten dfnum H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 55 / 533
57 Starke Zhk. und DFS / Variante 2 Beobachtungen (Invarianten): gechloene Knoten ind immer fertig, offene Knoten können fertig oder (noch) aktiv ein Kanten von gechloenen Knoten führen immer zu gechloenen Knoten Der Pfad vom Startknoten zum aktuellen Knoten enthält die Repräentanten aller offenen ZHK. Betrachtet man die Knoten in offenen ZHK ortiert nach DFS-Nummern, o partitionieren die Repräentanten diee Folge in die offenen ZHK. H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 56 / 533
58 Starke Zhk. und DFS / Variante 2 Prinzip: betrachte Kante e = (v, w) Kante zu chon bekanntem Knoten w in offener ZHK (Rückwärt-/Querkante): fall v und w momentan noch in unterchiedlichen ZHK liegen, müen diee zuammen mit allen ZHK dazwichen zu einer einzigen ZHK verchmolzen werden bei Vorwärtkanten it nicht zu tun Kante zu Knoten w in gechloener ZHK (Querkante): von w gibt e keinen Weg zu v, ont wäre die ZHK von w noch nicht gechloen, alo bleiben die ZHK unverändert Kante zu unbekanntem Knoten w (Baumkante): neue ZHK für w Wenn Knoten keine augehenden Kanten mehr hat: Knoten fertig wenn Knoten Repräentant einer ZHK it, dann ZHK chließen H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 57 / 533
59 Starke Zhk. und DFS / Variante 2 2. Variante: Verwaltung der unfertigen Knoten in Stack onode (in Reihenfolge teigender dfnum) Verwaltung der Repräentanten der offenen ZHK in Stack orep H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 58 / 533
60 Starke Zhk. und DFS / Variante 2 void init() { component = new int[n]; orep = ; onode = ; dfcount = 1; } void root(node w) / traveretreeedge(node v, Node w) { orep.puh(w); // Repräentant einer neuen ZHK onode.puh(w); // neuer offener Knoten dfnum[w] = dfcount; dfcount++; } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 59 / 533
61 Starke Zhk. und DFS / Variante 2 void traverenontreeedge(node v, Node w) { if (w onode) // verchmelze ZHK while (dfnum[w] < dfnum[orep.top()]) orep.pop(); } void backtrack(node u, Node v) { if (v == orep.top()) { // v Repräentant? orep.pop(); // ja: entferne v do { // und offene Knoten bi v w = onode.pop(); component[w] = v; } while (w!=v); } } H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 60 / 533
62 Starke Zhk. und DFS / Variante 2 Zeit: O(n + m) Begründung: init, root: O(1) traveretreeedge: (n 1) O(1) backtrack, traverenontreeedge: da jeder Knoten höchten einmal in orep und onode landet, ingeamt O(n + m) DFS-Gerüt: O(n + m) geamt: O(n + m) H. Täubig (TUM) Fortg. Graph- u. Netzwerk-Algorithmen WS 10/11 61 / 533
Grundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datentrukturen Prof. Dr. Hanjo Täubig Lehrtuhl für Effiziente Algorithmen (Prof. Dr. Ernt W. Mayr) Intitut für Informatik Techniche Univerität München Sommeremeter H. Täubig
MehrErinnerung VL
Erinnerung VL 1.6.16 Graphtraverierung BFS (Breitenuche): in Schichten um Startknoten löt einfache Form de Kürzete-Wege-Problem DFS (Tiefenuche): ert abteigen, dann Alternativen anehen generich formuliert,
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 31.10.2005 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
MehrDiskrete Strukturen WS 2005/06. Ernst W. Mayr. 27. Januar Fakultät für Informatik TU München
WS 2005/06 Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2005ws/ds/ 27. Januar 2006 Ernst W. Mayr 2.16 Inzidenzmatrix 3. Definitionen für gerichtete Graphen 3.1 Digraph
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 16 (2.7.2014) Graphtraversierung II, Minimale Spannbäume I Algorithmen und Komplexität Tiefensuche: Pseusocode DFS Traversal: for all u in
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 13 (6.6.2018) Graphenalgorithmen II Yannic Maus Algorithmen und Komplexität Repräsentation von Graphen Zwei klassische Arten, einen Graphen
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /
MehrEffiziente Algorithmen und Datenstrukturen I Kapitel 7: Graphen
Effiziente Algorithmen und Datenstrukturen I Kapitel 7: Graphen Christian Scheideler WS 2008 15.12.2008 Kapitel 7 1 Graphen Graph G=(V,E) besteht aus Knotenmenge V Kantenmenge E ungerichteter Graph gerichteter
Mehr2.6.1 Definition und Darstellung Ausspähen von Graphen Minimal spannende Bäume Kürzeste Pfade 2.6.
.6 Graphen.6. Definition und Dartellung.6. Aupähen von Graphen.6.3 Minimal pannende Bäume.6.4 Kürzete Pfade.6.5 Maximaler Flu .6.5 Maximaler Flu.6.5. Flunetzwerke.6.5. Ford-Fulkeron-Methode.6.5.3 Algorithmu
MehrÜbersicht. Netzwerke und Graphen Graphrepräsentation Graphtraversierung Kürzeste Wege Minimale Spannbäume. 9 Graphen. Graphen
Übersicht 9 Graphen Netzwerke und Graphen Graphrepräsentation Graphtraversierung Minimale Spannbäume H. Täubig (TUM) GAD SS 96 Netzwerke und Graphen Übersicht 9 Graphen Netzwerke und Graphen Graphrepräsentation
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdurchläufe Maike Buchin 22. und 27.6.2017 Graphexploration Motivation: Für viele Zwecke will man den gesamten Graphen durchlaufen, zb. um festzustellen ob er (stark) zusammenhängt.
MehrAlgorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od
Algorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od Diskrete Strukturen 3.7 dag 473/556 3.8 Zusammenhang Definition
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datentrukturen Teil IV Peter F. Stadler & Kontantin Klemm Bioinformatic Group, Dept. of Computer Science & Interdiciplinary Center for Bioinformatic, Univerity of Leipzig 7. April
MehrDefinition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind.
3.5 Gerichteter Pfad Definition 291 Eine Folge (u 0, u 1,..., u n ) mit u i V für i = 0,..., n heißt gerichteter Pfad, wenn ( i {0,..., n 1} ) [ (u i, u i+1 ) A]. Ein gerichteter Pfad heißt einfach, falls
MehrAlgorithmen II. Peter Sanders, Christian Schulz, Simon Gog. Übungen: Michael Axtmann. Institut für Theoretische Informatik, Algorithmik II.
Schulz, Gog, Sanders: Algorithmen II - 31. Januar 2017 Algorithmen II Peter Sanders, Christian Schulz, Simon Gog Übungen: Michael Axtmann Institut für Theoretische Informatik, Algorithmik II Web: http://algo2.iti.kit.edu/algorithmenii_ws16.php
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datentrukturen Teil 4 Prof. Peter F. Stadler & Sebatian Will Bioinformatik/IZBI Intitut für Informatik & Interdiziplinäre Zentrum für Bioinformatik Univerität Leipzig 0. April 04 /
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
Mehr23. Kürzeste Wege. Flussüberquerung (Missionare und Kannibalen) Das ganze Problem als Graph. Formulierung als Graph
Fluüberquerung (Miionare und Kannibalen). Kürzete Wege Problem: Drei Kannibalen und drei Miionare tehen an einem Ufer eine Flue. Ein dort bereittehende Boot fat maimal zwei Peronen. Zu keiner Zeit dürfen
MehrDijkstras Algorithmus: Pseudocode
Dijktra Algorithmu: Peudocode initialize d, parent all node are non-canned while 9 non-canned node u with d[u] < u := non-canned node v with minimal d[v] relax all edge (u,v) out of u u i canned now Behauptung:
MehrGraphenalgorithmen I. Geschickt Programmieren für den ICPC- Wettbewerb. Felix Weissenberger
Graphenalgorithmen I Geschickt Programmieren für den ICPC- Wettbewerb Felix Weissenberger Inhalt Grundlagen zu Graphen Begriffe Darstellung von Graphen Graphenalgorithmen Breitensuche Tiefensuche Topologisches
MehrZweizusammenhang und starker Zusammenhang
.. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk
Mehr10. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Bäume
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
MehrThemen der Übung. Rekursion. Dateien einlesen Sudokus. Assertions
Themen der Übung Rekurion CoMa-Übung X TU Berlin.0.0 Themen heute Evaluation Aertion Einleen von Dateien Queue und Breitenuche Rekurion Wegrekontruktion Tiefenuche Backtracking Evaluation Diee Woche bekommt
Mehr2.4 Starke Zusammenhangskomponenten in Digraphen
Starke Zusammenhangskomponenten Einleitung 2.4 Starke Zusammenhangskomponenten in Digraphen Definition 2.4.1 Zwei Knoten v und w in einem Digraphen G heißen äquivalent, wenn v w und w v gilt. Notation:
Mehr9 Graphtraversierung. Sanders / van Stee: Algorithmentechnik November 27,
Sanders / van Stee: Algorithmentechnik November 27, 2007 1 9 Graphtraversierung Ausgangspunkt oder Baustein fast jedes nichtrivialen Graphenalgorithmus Sanders / van Stee: Algorithmentechnik November 27,
MehrAlgorithmen I. Prof. Jörn Müller-Quade Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?
Algorithmen I Prof. Jörn Müller-Quade 19.06.2017 Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?id=799 (Folien von Peter Sanders) KIT Institut für Theoretische Informatik
MehrVL-14: Graphalgorithmen I. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger
VL-14: Graphalgorithmen I (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger SS 2017, RWTH DSAL/SS 2017 VL-14: Graphalgorithmen I 1/48 Organisatorisches Vorlesung: Gerhard Woeginger (Zimmer 4024
MehrGraphenalgorithmen I
Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket
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.
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00
MehrTraversierung 1 / 16. P.F. Stadler & S. Will (Bioinf, Uni LE) ADS 2, V3 23. April / 16
P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / Traversierung ADS: Algorithmen und Datenstrukturen Teil Prof. Peter F. Stadler & Sebastian
MehrAlgorithmen I - Tutorium 28 Nr. 9
Algorithmen I - Tutorium 28 Nr. 9 29.06.2017: Spaß mit Graphen und Graphtraversierung Marc Leinweber marc.leinweber@student.kit.edu INSTITUT FÜR THEORETISCHE INFORMATIK (ITI), PROF. DR. JÖRN MÜLLER-QUADE
MehrAbgabe: (vor der Vorlesung)
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 0 Prof. Dr. Helmut Seidl, S. Pott,
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 )
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorleung. Falltudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal pannende Bäume 5. Kürzete Pfade 6. Traveling Saleman Problem 7. Flüe in Netzwerken
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
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester H.
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 13 (8.6.2016) Graphenalgorithmen I Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrEffiziente Algorithmen
Effiziente Algorithmen Graphdurchläufe Vorlesender: Martin Aumüller (nach Folien von Prof. Martin Dietzfelbinger) April/Mai 0 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester 0 Einleitung Kapitel
MehrInformatik II, SS 2016
Informatik II - SS 208 (Algorithmen & Datenstrukturen) Vorlesung 4 (..208) Graphenalgorithmen III Algorithmen und Komplexität Bäume Gegeben: Zusammenhängender, ungerichteter Graph G = V, E Baum: Zusammenhängender,
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen C. Kürzeste Pfade: Grundlagen Gabriele Röger Universität Basel 9. Mai 09 Graphen: Übersicht Repräsentation Exploration Graphen Exploration: Anwendungen Minimale Spannbäume
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. C5.1 Einführung. C5.2 Grundlagen
C. Kürzeste Pfade: Grundlagen C. Kürzeste Pfade: Grundlagen C. Einführung Gabriele Röger C. Grundlagen Universität Basel C. Optimalitätskriterium und Generisches Verfahren G. Röger (Universität Basel)
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.
Mehr9. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Musterlösung
MehrKeller, Schlangen und Listen. Elementare Datenstrukturen Keller, Schlangen und Listen 1 / 14
Keller, Schlangen und Listen Elementare Datenstrukturen Keller, Schlangen und Listen 1 / 14 Listen Listen unterstützen die Operationen Lookup, Insert, Remove. + Listen passen sich der Größe der zu speichernden
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2010/11
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen
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
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
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
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;
MehrInformatik II, SS 2016
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 12 (4.6.2018) Graphenalgorithmen I Yannic Maus Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 12, Donnerstag, 23.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag,. Januar 04 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
MehrGraphalgorithmen 1. Tillmann Zipperer Tillmann Zipperer Graphalgorithmen / 40
Graphalgorithmen 1 Tillmann Zipperer 03.06.2015 Tillmann Zipperer Graphalgorithmen 1 03.06.2015 1 / 40 1 Grundlagen Definition Graphtypen Implizite Graphdarstellung Tillmann Zipperer Graphalgorithmen 1
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 17. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 17 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 69 TU Ilmenau Seite 2 / 69 Graphtraverse Wie bei Bäumen, ist
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Algorithmen
MehrKapitel 1. Einführung
Kapitel Einführung Zunächst einige Definitionen zu zentralen Begriffen dieser Vorlesung. Diese dienen vor allem der Erinnerung sowie der Auflösung von Mehrdeutigkeiten durch abweichende Verwendung in anderen
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.
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 22. Vorlesung Tiefensuche und Topologische Sortierung Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Vorlesungsumfrage Nutzen Sie die Vorlesungsbefragung
MehrSS10 Effiziente Algorithmen 2. Kapitel: Graphdurchläufe
SS0 Effiziente Algorithmen. Kapitel: Graphdurchläufe Martin Dietzfelbinger April/Mai 00 Kapitel Durchsuchen und Strukturanalyse von Graphen (Ungerichteter) Graph C B W J A R O E G X M FG KTuEA, TU Ilmenau
MehrGrundlagen Algorithmen und Datenstrukturen TUM Sommersemester 2011 (2) Dozent: Hanjo Täubig
Grundlagen Algorithmen und Datenstrukturen TUM Sommersemester 2011 (2) Dozent: Hanjo Täubig Janosch Maier 3. August 2011 Inhaltsverzeichnis 1 Sortieren 3 1.1 Externes Sortieren..........................
MehrAlgorithmen I. Tutorium 1-8. Sitzung. Dennis Felsing
Algorithmen I Tutorium 1-8. Sitzung Dennis Felsing dennis.felsing@student.kit.edu www.stud.uni-karlsruhe.de/~ubcqr/algo 2011-06-06 Überblick 1 Allgemeines Adjazenzliste Adjazenzmatrix Adjazenzfeld Aufgaben
MehrEffiziente Algorithmen
Effiziente Algorithmen Graphdurchläufe Vorlesender: Martin Aumüller (nach Folien von Prof. Martin Dietzfelbinger) April/Mai 0 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester 0 Einleitung Kapitel
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
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
MehrGraphen. Leonhard Euler ( )
Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),
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
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 018/19 1. Vorlesung Minimale Spannbäume Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Motivation ) Kantengewichte w : E R >0 ) w(e ) := e E w(e)
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Problemstellung Ungewichtete Graphen Distanzgraphen Gewichtete
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 09. Mai 08 [Letzte Aktualisierung: 06/07/08, 08:4]
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
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
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
MehrDatenstrukturen und Algorithmen
Joost-Pieter Katoen Datenstrukturen und Algorithmen 1/81 Datenstrukturen und Algorithmen Vorlesung 14+15: Elementare Graphenalgorithmen (K22,K24.2) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrProgrammierung 2 Studiengang MI / WI
Programmierung 2 Studiengang MI / WI Dipl.-Inf., Dipl.-Ing. (FH) Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de Raum 2.202 Tel. 03943 / 659 338 Fachbereich Automatisierung
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
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2017/18 20. Vorlesung Tiefensuche und topologische Sortierung Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Themen für den 3. Kurztest (Do, 25.01.18)
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
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
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
MehrErinnerung VL
Erinnerung VL.6.16 Graphtraversierung (DFS, topologische Sortierung und mehr) Kürzeste Wege: Problemstellung, Algorithmen Analoger Algorithmus Dijkstras Algorithmus: Idee, Korrektheit Heute: mehr zu Dijkstra,
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
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).
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Minimal aufspannende Bäume Problemstellung Algorithmus von Prim
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
Mehr