Algorithmen zur Visualisierung von Graphen
|
|
- Klara Sauer
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serien-parallele Graphen Vorlesung im Wintersemester 20/
2 Algorithmen zum Zeichnen von Bäumen
3 Anwendbarkeit Gut bei induktiv oder rekursiv definierten Familien von Graphen Binärbaum mit Wurzel:. Zeichne linken Teilbaum 2. Zeichne rechten Teilbaum 3. füge zusammen + Wurzel tiefe(v): Abstand zur Wurzel Durchlaufreihenfolgen preorder inorder postorder
4 Algorithmus von Reingold und Tilford ( 8)
5 Algorithmus von Reingold und Tilford ( 8)
6 Algorithmus von Reingold und Tilford ( 8) 2 Phasen:. postorder (bottom-up): Konturen und x-offsets zum Vorgänger einsammeln 2. preorder (top-down): absolute Koordinaten ausrechnen
7 Algorithmus von Reingold und Tilford ( 8) 2 Phasen:. postorder (bottom-up): Konturen und x-offsets zum Vorgänger einsammeln 2. preorder (top-down): absolute Koordinaten ausrechnen Kontur: verkettet Liste von Knoten (-Koordinaten)
8 Algorithmus von Reingold und Tilford ( 8) Phase :. Bearbeite T l (v) und T r (v) 2. Laufe parallel linke Kontur von T r (v) und rechte Kontur von T l (v) ab 3. Bestimmt daraus d v, den horizontalen Minimalabstand von v l und v r 4. x-offset(v l ) = d v 2, x-offset(v r ) = d v 2 5. Baue linke Kontur von T v aus: v, linke Kontur von T l (v) und evtl. überhängendes Teilstück von linker Kontur von T r (v) 6. Rechte Kontur analog
9 Algorithmus von Reingold und Tilford ( 8) Phase 2. Setze y-koordinate y(v) = tiefe(v) 2. Setze x(v) = 0 für Wurzel und rekursiv die x-koordinate x(v l ) und x(v r ) der Nachfolger von v auf x(v)+ x-offset(x(v l )) bzw. x(v)+ x-offset(x(v r )) Zusammenfassung: Algorithmus berechnet Binärbaumlayout: geradliniges Gitterlayout tiefengeschichtet, kreuzungsfrei Knoten derselben Tiefe haben Abstand 2 Knoten sind über Nachfolgern zentriert linke/rechte Nachfolger sind strikt links/rechts identische Teilbäume gleich gezeichnet
10 Breitenminimierung von Binärbaumlayouts Satz (Supowit, Reingold) Die Breitenminimierung von Binärbaumlayouts ist NP-schwer Beweis: Reduktion von 3SAT F = C C m, C i = y i, y i,2 y i,3, y i,j {x,..., x n, x,..., x n } Konstruiere Baum T (F ), der genau dann Layout mit Breite W 24 hat, wenn F erfüllbar ist. Baum T (x k ) für Var. x k : p p q 0 q 0 q k q k
11 Breitenminimierung von Binärbaumlayouts Satz (Supowit, Reingold) Die Breitenminimierung von Binärbaumlayouts ist NP-schwer Beweis: Reduktion von 3SAT F = C C m, C i = y i, y i,2 y i,3, y i,j {x,..., x n, x,..., x n } Konstruiere Baum T (F ), der genau dann Layout mit Breite W 24 hat, wenn F erfüllbar ist. Baum T (x k ) für Var. x k : p q 0 q k p q 0 q k Baum T i,j u u l Höhe l = 3(i ) + j
12 Breitenminimierung von Binärbaumlayouts Satz (Supowit, Reingold) Die Breitenminimierung von Binärbaumlayouts ist NP-schwer Beweis: Reduktion von 3SAT F = C C m, C i = y i, y i,2 y i,3, y i,j {x,..., x n, x,..., x n } Konstruiere Baum T (F ), der genau dann Layout mit Breite W 24 hat, wenn F erfüllbar ist. Baum T (x k ) für Var. x k : p q 0 q k p q 0 q k Baum T i,j u u l Höhe l = 3(i ) + j Literalbaum: p T (x k ) y i,j = x k b T i,j T (y i,j ) für y i,j = x k b T (x k ) 6 6 T i,j
13 Breitenminierung II Klauselbaum T (C i ): T (y i, ) T (y i,2 ) T (y i,3 ) Erfüllte Klausel hat Breite höchstens = 24 Beachte: alle Literalbäume haben volle Breite auf vierter Ebene von oben Nicht erfüllte Klausel: = 25
14 Breitenminierung II Klauselbaum T (C i ): Formelbaum T (F ) T (C ) b T (y i, ) T (y i,2 ) T (y i,3 ) Erfüllte Klausel hat Breite höchstens = 24 Beachte: alle Literalbäume haben volle Breite auf vierter Ebene von oben T (C 2 ) b T (C m ) Nicht erfüllte Klausel: = 25 Breite 24 F erfüllbar
15 HV-Bäume Idee: Zeichne Teilbäume in Rechtecke, Wurzel liegt in linker oberer Ecke Nachfolger liegen vertikal unterhalb bzw. horizontal rechts Induktionsanfang: Induktionsschritt: kombiniere Layouts horizontale Kombination (Fläche: 3 7) Berechne optimale Zeichnung mit dynamischer Programmierung vertikale Kombination (Fläche: 4 6)
16 Rechtslastige hv-layouts Rechtslastiges hv-layout: Wähle in jedem Schritt Horizontal-Kombination Platziere größeren Teilbaum rechts Lemma Höhe eines rechtslastigen hv-layouts für Baum mit n Knoten ist höchstens log n. Beweis: Vertikale Kanten haben Länge w Knoten mit minimaler y-koordinate betrachte eindeutigen Pfad P zur Wurzel für jede vertikale Kante (u, v) auf P : T (v) > 2T (u) P enthält höchstens log n solcher Kanten Platzbedarf: O(n log n)
17 Radiale Baumlayouts
18 Beispiel Radiallayout
19 Beispiel Radiallayout
20 Beispiel Radiallayout
21 Beispiel Radiallayout
22 Beispiel Radiallayout
23 Beispiel Radiallayout
24 Beispiel Radiallayout
25 Beispiel Radiallayout
26 Verlassen des Kreisringsektors
27 Verlassen des Kreisringsektors τ ρ i ρ i+ cos τ = ρ i ρ i+
28 Verlassen des Kreisringsektors τ ρ i ρ i+ cos τ = ρ i ρ i+
29 Serien-parallele Graphen
30 Serien-parallele Graphen Graph G heißt serien-parallel, wenn er aus genau zwei Knoten (uelle s, Senke t sowie der Kante (s, t) besteht oder aus zwei serien-parallelen Graphen G, G 2 mit uellen s, s 2 und Senken t, t 2 durch eine der folgenden Kombinationen hervorgeht serielle Komposition: Identifiziere t und s 2, s neue uelle, T 2 neue Senke t 2 parallele Komposition: Identifiziere s, s 2 als neue uelle Identifiziere t, t 2 als neue Senke t = t 2 t s t = s 2 s s = s 2
31 Serien-parallele Graphen II Lemma Serien-parallele Graphen sind azyklisch und planar. Beschreibung des rekursiven Aufbaus durch binären Baum: Blätter sind Kanten (-Knoten) Innere Knoten sind S- oder P-Knoten (vgl. SPR-Baum)
32 Serienparallele Graphen: Dekompositionsbaum
33 Serienparallele Graphen: Dekompositionsbaum P
34 Serienparallele Graphen: Dekompositionsbaum P P
35 Serienparallele Graphen: Dekompositionsbaum S P P
36 Serienparallele Graphen: Dekompositionsbaum S P P S
37 Serienparallele Graphen: Dekompositionsbaum P S P S S
38 Serienparallele Graphen: Dekompositionsbaum P S P S S S
39 Serienparallele Graphen: Dekompositionsbaum P S P S S P S
40 Serienparallele Graphen: Dekompositionsbaum P S P S S P S S
41 Serienparallele Graphen: Dekompositionsbaum P S P S S P S S S
42 SP-Graphen in Anwendungen Ablaufdiagramme PERT-Diagramme (Program Evaluation and Review Technique) Außerdem: Linearzeitalgorithmen für sonst NP-vollständige Probleme (z.b. Maximum Independent Set)
43 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ).
44 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t 0 t n G n G 0 s 0 s n G n+ s n+
45 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t 0 t n tn G n G n s n G 0 s 0 s n G n+ s n+ sn
46 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ t 0 t n tn G n G n s n G 0 s 0 s n G n+ s n+ sn
47 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ t 0 t n tn G n G n s n s 0 s n s n+ s n+ G 0 G n+ sn
48 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ t 0 t n tn G n G n s n s 0 s n s n+ s n+ G 0 G n+ sn
49 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ t 0 t n tn G n G n s n s 0 s n s n+ s n+ G 0 G n+ sn
50 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ t 0 t n tn G n G n s n s 0 s n s n+ s n+ G 0 G n+ sn
51 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ 2 t 0 t n tn G n G n s n s 0 s n s n+ s n+ Π G 0 G n+ sn
52 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ 2 t 0 t n tn G n G n s n s 0 s n s n+ s n+ Π G 0 G n+ sn
53 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ 2 t 0 t n tn G n G n s n s 0 s n s n+ s n+ Π G 0 G n+ sn
54 Untere Schranke für die Fläche Satz Jedes kreuzungsfreie Aufwärtslayout für geordnete einfache serien-parallele Graphen mit n Knoten benbötigt im worst case ein Gitter der Größe Ω(4 n ). Beweis: t n+ t n+ 2 t 0 t n tn G n G n s n s 0 s n s n+ s n+ Π G 0 G n+ sn
55 Linkslastige Ordnungen Ordnung heißt linkslastig, wenn -Knoten nur als rechte Nachfolger von P-Knoten vorkommen. Satz Wenn G serien-parallel, einfach und linkslastig geordnet, so besitzt G Zeichnung der Größe O(n 2 ). Komponenten des Dekompositionsbaums: t Layout von G passt in rechtwinkliges, gleichschenkliges Dreieck mit vertikaler Basis, Schenkel nach links. uelle in unterer Ecke, Senke in oberer Ecke, linke Ecke frei rechtester Nachbar von s t (t s) liegt unterhalb (oberhalb) der Mitte v v v Nachbar der uelle (Senke) kein Knoten liegt im Parallelogramm von v und s (t). s
56 Konstruktion -Knoten (Induktionsanfang): s t
57 Konstruktion -Knoten (Induktionsanfang): s t t (G 2 ) S-Knoten (serielle Komposition): (G ) s
58 Konstruktion -Knoten (Induktionsanfang): s t t (G 2 ) S-Knoten (serielle Komposition): (G ) P-Knoten (parallele Komposition): t (G 2 ) (G ) s s
59 Konstruktion -Knoten (Induktionsanfang): s t t (G 2 ) S-Knoten (serielle Komposition): (G ) P-Knoten (parallele Komposition): t (G 2 ) (G ) s Eigenschaften: kreuzungsfrei und aufwärts höchstens quadratische Fläche s
Algorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serien-parallele Graphen Vorlesung im Wintersemester 202/203 Tamara Mchedlidze Martin Nöllenburg 23. Oktober 202 Algorithmen
MehrVisualisierung von Graphen
1 Visualisierung von Graphen Teile-und-Herrsche-Algorithmen: Bäume und serienparallele Graphen 3. Vorlesung Sommersemester 2013 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) 2 Ankündigung
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serienparallele Graphen Vorlesung im Wintersemester 200/20 Robert Görke.0.20 Robert Görke Algorithmen zur Visualisierung
MehrAutomatisches Zeichnen von Graphen
Automatisches Zeichnen von Graphen Kap. 2: Zeichnen von Bäumen Prof. Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering LS11 Universität Dortmund 2./3./4. VO WS07/08 16./22./23. Oktober 2007 1 Literatur
MehrKapitel 2: Zeichnen von Bäumen Beispiel: Baumzeichnung
Automatisches Zeichnen von Graphen Kap. : Zeichnen von Bäumen Prof. Dr. Petra Mutzel Literatur für diese VO Originalartikel: E.M. Reingold und J.S. Tilford: Tidier Drawings of Trees, IEEE Transactions
MehrDatenstrukturen. einfach verkettete Liste
einfach verkettete Liste speichert Daten in einer linearen Liste, in der jedes Element auf das nächste Element zeigt Jeder Knoten der Liste enthält beliebige Daten und einen Zeiger auf den nächsten Knoten
MehrWiederholung. Datenstrukturen und. Bäume. Wiederholung. Suchen in linearen Feldern VO
Wiederholung Datenstrukturen und Algorithmen VO 708.031 Suchen in linearen Feldern Ohne Vorsortierung: Sequentielle Suche Speicherung nach Zugriffswahrscheinlichkeit Selbstanordnende Felder Mit Vorsortierung:
MehrAlle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).
8. Untere Schranken für Sortieren Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)). Werden nun gemeinsame Eigenschaften dieser Algorithmen untersuchen. Fassen gemeinsame
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Kombinatorische Optimierung mittels Flussmethoden II Vorlesung im Wintersemester 2011/2012 10.11.2011 Orthogonale Zeichnungen II letztes Mal: Satz G Maxgrad-4-Graph
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrAbgabe: (vor der Vorlesung) Aufgabe 7.1 (P) Binomial Heap
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 7 Prof. Dr. Helmut Seidl, S. Pott,
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.05.2011 Motivation Gegeben eine Position p = (p x, p y )
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrNatürliche Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. Natürliche Bäume 1/16
Natürliche Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 Natürliche Bäume 1/16 Bäume Begriffe (1/2) Bäume sind verallgemeinerte Listenstrukturen ein
MehrÜbung 3 Musterlösung
Prof aa Dr Ir Joost-Pieter Katoen Sebastian Junges, Benjamin Kaminski, David Korzeniewski, Tim Quatmann Hinweise: Übung 3 Musterlösung Die Lösungen müssen bis Donnerstag, den 03 Mai um 16:00 Uhr in den
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 8. Vorlesung Martin Middendorf und Peter F. Stadler Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Gefädelte
MehrLösungen zur Vorlesung Berechenbarkeit und Komplexität
Lehrstuhl für Informatik 1 WS 009/10 Prof. Dr. Berthold Vöcking 0.0.010 Alexander Skopalik Thomas Kesselheim Lösungen zur Vorlesung Berechenbarkeit und Komplexität. Zulassungsklausur Aufgabe 1: (a) Worin
Mehrn t(2k + 1) in den P k s r = n t(2k + 1) Rest
Kette von P k s: Gesamtzahl der Elemente: top P k bottom P k P k }{{} t n t(2k + 1) in den P k s r = n t(2k + 1) Rest EADS 4 Schönhage/Paterson/Pippenger-Median-Algorithmus 365/530 Wenn r < t 1, dann wissen
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
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B4.1 Definitionen und Eigenschaften. B4.2 Traversierung. B4.
Algorithmen und Datenstrukturen 28. März 2019 B4. Intermezzo - Bäume Algorithmen und Datenstrukturen B4. Intermezzo - Bäume B4.1 Definitionen und Eigenschaften Marcel Lüthi and Gabriele Röger Universität
MehrDer Algorithmus von Walker und seine Verbesserung
Universität Konstanz WS 2004/2005 Fachbereich Informatik Zeichnen von Graphen Prof. Dr. Ulrik Brandes Der Algorithmus von Walker und seine Verbesserung basierend auf einer Arbeit von Christoph Buchheim,
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2017/18 Pro f. Dr. Sán do r Fe k e te 1 Binärer Suchbaum Außerdem wichtig: Struktur der Schlüsselwerte! 2 Ordnungsstruktur Linker
MehrSchematisierung von Karten
Vorlesung Algorithmische Kartografie Schematisierung von (Straßen-)Karten LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 30.04.2013 Schematische
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts
Algorithmen zur Visualisierung von Graphen Lagenlayouts Marcus Krug Institut für Theoretische Informatik 25.06.2009 1/ 41 E-Mail-Graph der Fakultät für Informatik 2/ 41 E-Mail-Graph der Fakultät für Informatik
MehrVisualisierung von Graphen
1 Visualisierung von Graphen Geradlinige Zeichnungen planarer Graphen 6. Vorlesung Sommersemester 2013 (basierend auf Folien von Marcus Krug und Tamara Mchedlidze, KIT) 2 Planare Graphen: Charakterisierung,
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
MehrProportional Symbol Maps
Proportional Symbol Maps Florian Simon 8. Dezember, 2009 Proportional Symbol Maps Gegeben: Punkte p 1,..., p n R 2 mit zugeordneten Werten w 1,..., w n R Proportional Symbol Maps Gegeben: Punkte p 1,...,
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
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
Mehr5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS)
5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS) Sommersemester 2009 Dr. Carsten Sinz, Universität Karlsruhe Datenstruktur BDD 2 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer:
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik - SS 0 Bäume Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
MehrZeichnen von Bäumen Lina Wolf
Zeichnen von Bäumen Lina Wolf 1. Was ist ein Baum? Ein Baum ist ein zusammenhängender, azyklischer Graph. In der Regel hat ein Baum T einen Knoten r T, der Wurzel genannt wird. Man geht davon aus, das
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 25.4.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Nachbesprechung Serie 4 Challenge der Woche Traversierung von Bäumen Pre-,
MehrDatenstrukturen und Algorithmen D-INFK. Musterlösung 1
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrAlgorithmen und Datenstrukturen. Bäume. M. Herpers, Y. Jung, P. Klingebiel
Algorithmen und Datenstrukturen Bäume M. Herpers, Y. Jung, P. Klingebiel 1 Lernziele Baumstrukturen und Ihre Verwendung kennen Grundbegriffe zu Bäumen anwenden können Baumstruktur in C anlegen können Suchbäume
MehrEINI LW. Einführung in die Informatik für Naturwissenschaftler und Ingenieure. Vorlesung 2 SWS WS 11/12
EINI LW Einführung in die Informatik für Naturwissenschaftler und Ingenieure Vorlesung 2 SWS WS 11/12 Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@udo.edu http://ls1-www.cs.uni-dortmund.de
MehrAusleuchtung/Überwachung von polygonalen Flächen
1 Ausleuchtung/Überwachung von polygonalen Flächen 2 1. Beschreibung der Aufgabenstellung 3 Gegeben ist der Grundriss eines Raumes. 4 In den Ecken des Raumes sollen Geräte platziert werden, die zusammen
MehrÜbersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015
Datenstrukturen und Algorithmen Vorlesung 8: (K6) 1 Joost-Pieter Katoen Lehrstuhl für Informatik Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-15/dsal/ 7. Mai 015 3 Joost-Pieter
MehrVorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer
Vorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer Uberblick 1. Anwendung 2. Anforderungen an Netze 3. Quadrantenbaume Quadrantenbaume fur Punktemengen Bestimmung
Mehr3. Binäre Suchbäume. 3.1 Natürliche binäre Suchbäume. EADS 3.1 Natürliche binäre Suchbäume 78/598 ľernst W. Mayr
3. Binäre Suchbäume 3.1 Natürliche binäre Suchbäume Definition 18 Ein natürlicher binärer Suchbaum über einem durch total geordneten Universum U ist ein als interner Suchbaum organisierter Binärbaum (also:
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
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
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
Mehr2.4 Durchlaufen von Bäumen
2.4 Durchlaufen von Bäumen Möchte man alle Elemente eines Baumes ausgeben, muss man sich Strategien überlegen, in welcher Reihenfolge der Baum durchlaufen wird. Der Zugriff auf einzelne Knoten eines Baumes
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.06.2014 1 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrÜbungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
MehrOtto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Simulation und Graphik Prof. Dr. Holger Theisel
Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Simulation und Graphik Prof. Dr. Holger Theisel Magdeburg, 26.07.2011 Klausur Algorithmen und Datenstrukturen Matrikelnummer:
MehrKürzeste Wege in einfachen Polygonen. Sofiya Scheuermann 28. Januar 2008
Kürzeste Wege in einfachen Polygonen Sofiya Scheuermann 28. Januar 2008 1 Inhaltsverzeichnis 1 Motivation 3 2 Grundlagen 3 3 Algorithmus 3 3.1 Zerlegung............................... 4 3.2 Zusammensetzung..........................
MehrLernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.
6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente
MehrIdee: Wenn wir beim Kopfknoten zwei Referenzen verfolgen können, sind die Teillisten kürzer. kopf Eine Datenstruktur mit Schlüsselwerten 1 bis 10
Binäre Bäume Bäume gehören zu den wichtigsten Datenstrukturen in der Informatik. Sie repräsentieren z.b. die Struktur eines arithmetischen Terms oder die Struktur eines Buchs. Bäume beschreiben Organisationshierarchien
MehrInformatik II Bäume zum effizienten Information Retrieval
lausthal Informatik II Bäume zum effizienten Information Retrieval. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Binäre Suchbäume (binary search tree, BST) Speichere wieder Daten als "Schlüssel
MehrWiederholung. Divide & Conquer Strategie
Wiederholung Divide & Conquer Strategie Binäre Suche O(log n) Rekursives Suchen im linken oder rechten Teilintervall Insertion-Sort O(n 2 ) Rekursives Sortieren von a[1..n-1], a[n] Einfügen von a[n] in
MehrKlausur. 18. Juli 2008, 10:15-12:15 Uhr. Name:... Matrikelnummer:... Anzahl beschriebener Blätter (ohne Aufgabenblatt):... D(p) : Y = p x X + p y
GRUNDZÜGE DER ALGORITHMISCHEN GEOMETRIE Klausur 18. Juli 2008, 10:15-12:15 Uhr Name:................................... Matrikelnummer:................................... Anzahl beschriebener Blätter (ohne
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 25. Vorlesung Dynamisches Programmieren Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Klausurvorbereitung Tipp: Schreiben Sie sich alle Fragen
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts Teil 2
Algorithmen zur Visualisierung von Graphen Teil 2 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg Ignaz Rutter 18.12.2012 Geg.: gerichteter Graph D = (V,
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
MehrTeil 1: Suchen. Ausgeglichene Bäume B-Bäume Digitale Suchbäume. M.O.Franz, Oktober 2007 Algorithmen und Datenstrukturen - Binärbäume 1-1
Teil : Suchen Problemstellung Elementare Suchverfahren Hashverfahren Binäre Suchbäume (Wiederholung aus Prog 2) Bäume: Begriffe, Eigenschaften und Traversierung Binäre Suchbäume Gefädelte Suchbäume Ausgeglichene
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.04.2014 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrBinärbäume und Pfade
Binärbäume und Pfade Bevor wir uns dem Pumping Lemma für Typ-2 Sprachen widmen, wollen wir einen einfachen Satz über Binärbäume beweisen. Als Binärbaum bezeichnen wir hier einen Baum, bei dem jeder Knoten,
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrDefinition 14 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt:
2.1.2 Rot-Schwarz-Bäume Definition 14 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt: 1 alle Blätter hängen an schwarzen Kanten
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y0 y x x0 Bisher
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
MehrDatenstrukturen und Algorithmen
Datenstrukturen und Algorithmen VO INF.02031UF (2-4)-Bäume robert.legenstein@igi.tugraz.at 1 7. Bäume Bäume als Datenstruktur Binärbäume Balancierte Bäume (2-4)-Bäume Anwendung: Mischbare Warteschlangen
MehrSatz 172 Jedes vergleichsbasierte Sortierverfahren benötigt im worst-case mindestens n ld n + O(n) Vergleiche und hat damit Laufzeit Ω(n log n).
2.6 Vergleichsbasierte Sortierverfahren Alle bisher betrachteten Sortierverfahren sind vergleichsbasiert, d.h. sie greifen auf Schlüssel k, k (außer in Zuweisungen) nur in Vergleichsoperationen der Form
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y x x0 Bisher
MehrFragenkatalog 1. Kurseinheit
katalog 1. Kurseinheit 1. Wie sind Algorithmen und Datenstrukturen untrennbar miteinander verknüpft? 2. Worin besteht das Ziel einer Beschreibung auf algorithmischer Ebene? 3. Welche Kriterien gibt es
MehrAlgorithmen und Datenstrukturen 2. Stefan Florian Palkovits, BSc Juni 2016
Algorithmen und Datenstrukturen 2 Übung 1 Stefan Florian Palkovits, BSc 0926364 e0926364@student.tuwien.ac.at 12. Juni 2016 Aufgabe 1: Es existiert eine Reduktion von Problem A auf Problem B in O(n 3 +
MehrDr. Lars Hildebrand Fakultät für Informatik Technische Universität Dortmund
EINI LW Einführung in die Informatik für Naturwissenschaftler und Ingenieure Vorlesung 2 SWS WS 12/13 Dr. Lars Hildebrand Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@tu-dortmund.de
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik 2 - SS 06 Bäume 2 Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
MehrZeichnen von Graphen. graph drawing
Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =
MehrInformatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 9.6.2017 Giuseppe Accaputo g@accaputo.ch 1 Aufbau des PVK Tag 1: Java Teil 1 Tag 2: Java Teil 2 Tag 3: Algorithmen & Komplexität Tag 4: Dynamische Datenstrukturen,
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/3, Folie 1 2010 Prof. Steffen Lange - HDa/FbI
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
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (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 9
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 22 (20.7.2016) Greedy Algorithmen - Datenkompression Algorithmen und Komplexität Greedy Algorithmen Greedy Algorithmen sind eine Algorithmenmethode,
MehrAlgorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8
ETH Zürich Institut für Theoretische Informatik Prof. Dr. Angelika Steger Florian Meier, Ralph Keusch HS 2017 Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8 Lösungsvorschlag zu Aufgabe 1
MehrAlgorithmen zur Visualisierung von Graphen
Gitterlayouts fu r planare Graphen I NSTITUT F U R T HEORETISCHE I NFORMATIK L EHRSTUHL A LGORITHMIK I M ARCUS K RUG KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum in der
MehrSuchbäume. Suchbäume. Einfügen in Binären Suchbäumen. Suchen in Binären Suchbäumen. Prinzip Suchbaum. Algorithmen und Datenstrukturen
Suchbäume Suchbäume Prinzip Suchbaum Der Wert eines Knotens wird als Schlüssel verstanden Knoten kann auch weitere Daten enthalten, die aber hier nicht weiter betrachtet werden Werte der Schlüssel müssen
MehrEs sei P ein einfaches Polygon in der Ebene; P habe n Ecken. Hilfssatz: Zu jedem einfachen Polygon mit mehr als 3 Ecken existiert eine Diagonale.
6. Polygontriangulierung: Wie bewacht man eine Kunstgalerie? 6.1. Grundlegendes zu Polygonen Es sei P ein einfaches Polygon in der Ebene; P habe n Ecken. Definition: Hilfssatz: Zu jedem einfachen Polygon
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrPunktlokalisation 1. Trapez-Zerlegungen. 2. Eine Suchstruktur. 3. Randomisierter, inkrementeller Algorithmus zur Konstruktion der Trapez-Zerlegung
Punktlokalisation 1. Trapez-Zerlegungen 2. Eine Suchstruktur 3. Randomisierter, inkrementeller Algorithmus zur Konstruktion der Trapez-Zerlegung 4. Analyse Punktlokalisation Einteilung in Streifen Anfragezeit:
Mehr1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert
Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume
MehrADS: Algorithmen und Datenstrukturen
ADS: Algorithmen und Datenstrukturen Teil VII Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 08.
MehrRelationen und DAGs, starker Zusammenhang
Relationen und DAGs, starker Zusammenhang Anmerkung: Sei D = (V, E). Dann ist A V V eine Relation auf V. Sei andererseits R S S eine Relation auf S. Dann definiert D = (S, R) einen DAG. D.h. DAGs sind
MehrPraktikum 3 Algorithmik SS Aufgabe 10: Aufgabe 9 ( Skyline-Problem ) weitere Aufgaben folgen. Name:... Matr-Nr:...
Praktikum 3 Algorithmik SS 2007 14052007 Aufgabe 9: Aufgabe 10: Das Skyline-Problem Union-Find-Strukturen weitere Aufgaben folgen Name: Matr-Nr: Datum: Unterschrift des Dozenten (wenn bestanden): Aufgabe
MehrEffizienter Planaritätstest Vorlesung am
Effizienter Planaritätstest Vorlesung am 23.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER Satz Gegebenen einen Graphen G = (V, E) mit n Kanten und m Knoten, kann in O(n + m) Zeit
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
Mehr