5.1 Graphentheorie. Ulrik Brandes

Größe: px
Ab Seite anzeigen:

Download "5.1 Graphentheorie. Ulrik Brandes"

Transkript

1 5.1 Graphentheorie Ulrik Brandes Die Graphentheorie ist ein Zweig der Diskreten Mathematik, dessen Entstehung für gewöhnlich auf eine 1736 erschienene Arbeit von Leonhard Euler über das so genannte Königsberger Brückenproblem zurückgeführt wird (Euler 1736). Sie hat in der zweiten Hälfte des letzten Jahrhunderts eine rasante Ausbreitung erfahren und ist gleichzeitig auch zu einem wichtigen Teilgebiet der Informatik geworden. Wesentlicher Grund dafür ist, dass aus dem Zusammenspiel von Beziehungen zwischen Objekten, unabhängig von deren Art und Kontext, häufig ähnliche strukturelle Fragestellungen und Lösungsansätze erwachsen. In der reinen Graphentheorie werden deshalb keine Annahmen darüber gemacht, um was es sich bei den Objekten handelt und welche Bedeutung die Beziehungen haben. Indem von allem abstrahiert wird, was sich nicht als Konsequenz aus dem bloßen Vorhandensein paarweiser Beziehungen ergibt, beschränkt sich die Graphentheorie auf den strukturellen Kern einer Fragestellung. Dadurch ist es möglich, Konzepte und Verfahren (formal) in beliebige Anwendungskontexte zu übertragen oder sogar Lösungen für Probleme zu entwickeln, die bisher noch in keinem Kontext überhaupt als solche formuliert wurden. In Bezug auf Beziehungsstrukturen ist die Rolle der Graphentheorie damit vergleichbar mit derjenigen, welche die Statistik für Häufigkeiten spielt. Aus der Allgemeinheit des Modells ergeben sich einige wichtige Konsequenzen für die Anwendung auf sozialwissenschaftliche Fragestellungen, die zwar eigentlich selbstverständlich erscheinen, aber trotzdem häufig außer Acht gelassen oder zumindest nicht in vollem Umfang bedacht werden: 1. Wie die ganze Mathematik ist die Graphentheorie abstrakt, da nicht die modellierten Gegenstände, sondern nur einige der im jeweiligen Kontext wesentlichen Eigenschaften derselben behandelt werden. Dies macht den Umgang mit ihr mitunter mühsam, hat aber den Vorteil der Präzision und der Übertragbarkeit von Erkenntnissen. 2. Notwendige Bedingung für die Anwendbarkeit von graphentheoretischen Methoden ist, dass ihre oft impliziten Voraussetzungen erfüllt sind. Netzwerkforschung kann also nur mit ausreichender, in der Regel theoriegeleiteter Fundierung zu relevanten Ergebnissen führen, andernfalls wird auch noch so anspruchsvolle graphentheoretische Analyse vor allem Scheinpräzision erzeugen. 3. Graphentheoretische Methoden werden in so ziemlich jedem Wissens- und Wirtschaftszweig verwendet und entwickelt. Entsprechend breit gestreut und teils idiomatisch sind die Konzepte. Verschiedene Dinge werden mitunter gleich bezeichnet und gleiche Dinge verschieden. Bei der Übertragung ist also einerseits Vorsicht geboten, andererseits existiert ein riesiger Methodenfundus, dessen Exploration sich lohnen kann.

2 340 Ulrik Brandes In diesem Kapitel kann natürlich nur eine kurze Einführung wesentlicher Begriffe geleistet werden. Es soll gezeigt werden, dass viele der oft eher metaphorisch als Netzwerk bezeichneten Strukturen sich durch bestimmte Typen von Graphen, deren Elemente meist durch eine Reihe von Attributen näher beschrieben werden, modelliert werden können, und welche Sorten von Eigenschaften dabei erhalten bleiben. Neben einer Einführung in die Terminologie soll dadurch auch eine Bewusstseinsschärfung für Modellierungsaspekte erfolgen. Von den zahlreichen weiterführenden Büchern zum Thema seien hier nur ein grundlegendes (Diestel 2006) ein algorithmisches (Krumke und Noltemeier 2005), ein besonders anschauliches (Nitzsche 2005), ein historisch bedeutsames (König 1936) und ein durch soziale Netzwerke beeinflusstes (Harary, Norman, und Cartwright 1965) genannt. 1 Graphen Ein Graph G = (V, E) ist ein Paar aus einer Menge V von Knoten (engl. vertices, oft auch nodes oder points), welche die Akteure des Netzwerks repräsentieren, und einer Menge E von Kanten (engl. edges, oft auch links, ties oder lines), die Beziehungen zwischen den Akteuren repräsentieren. Wir bezeichnen die Anzahl 1 der Knoten eines Graphen G = (V, E) durchgängig mit n = V, und die Anzahl seiner Kanten mit m = E. Abbildung 1: Beispiele eines schlichten ungerichteten Graphen und eines gerichteten Multigraphen (a) schlicht, ungerichtet, bipartit (b) gerichteter Multigraph 1.1 Richtungen und Vielfachheiten Sind die repräsentierten Beziehungen symmetrisch, dann kommt es bei einer Kante nur darauf an, welche Knoten durch sie verbunden sind. Die Kantenmenge zu einer symmetrischen 1 Sozialnetzwerke haben naturgemäß eine endliche Zahl von Akteuren, es sei aber angemerkt, dass in der Graphentheorie auch unendliche Graphen betrachtet werden.

3 Graphentheorie 341 Beziehung besteht daher aus (ungeordneten) Paaren von Knoten, E {{v, w} : v, w V }, die als ungerichtete Kanten bezeichnet werden. Sind die beiden Akteure einer Beziehung hingegen in unterschiedlicher Weise daran beteiligt, z. B. weil einer vom anderen Nachrichten empfängt, dann darf diese Asmmetrie im Modell nicht verloren gehen. Die Kantenmenge besteht in solchen Fällen aus geordneten Paaren von Knoten, E V V = {(u, v) : v, w V }, die als gerichtete Kanten bezeichnet werden. Ein Graph wird daher auch als gerichetet oder ungerichtet bezeichnet, je nachdem, ob seine Kantenmenge aus gerichteten oder ungerichteten Kanten besteht. In seltenen Fällen werden auch beide Arten von Kanten im selben Graphen verwendet und dieser dann als gemischter Graph bezeichnet. Wenn verschiedene Instanzen der Beziehung zwischen denselben Aktueren unterscheidbar sein sollen, wird für die Kanten eine Multimenge verwendet, d. h. eine Menge, bei der für jedes enthaltenen Element zusätzlich eine Vielfachheit (Anzahl der verschiedenen Vorkommen) anzugeben ist. Eine Kante mit Vielfachheit größer eins heißt dann Mehrfach- oder parallele Kante, und ein Graphen mit Mehrfachkanten heißt Multigraph. Soll betont werden, dass keine Mehrfachkanten unterschieden werden, wird der Graph als einfach bezeichnet. Steht ein Akteur mit sich selbst in Beziehung, d. h. gibt es einen Knoten v V mit {v, v} E bzw. (v, v) E, so spricht man von einer Schleife (engl. loop). Ein Graph ohne Schleifen heißt schleifenfrei. Ein schlichter Graph enthält weder Schleifen noch Mehrfachkanten. Der Graph in Abbildung 1(a) ist ein Beispiel dafür. Die Unterscheidung verschiedener Graphentypen ist eine notwendige Komplikation, die einerseits die Anwendbarkeit der Graphentheorie stark erweitert und ohne die vielfach keine schlüssigen Vereinbarungen für analytische Konzepte getroffen werden könnten. Schon so einfache Kenngrößen wie die Dichte, also das Verhältnis der Anzahl vorhandener Kanten m zur Anzahl der möglichen Kanten (mehr dazu im nächsten Kapitel) könnten sonst gar nicht sinnvoll bestimmt werden. In einem schlichten ungerichteten Graphen mit n = V Knoten ist die maximale Anzahl der Kanten nämlich ( ) n 2 = n(n 1) 2 (Anzahl der ungeordneten Paare aus verschiedenen Knoten), in einem einfachen gerichteten Graphen dagegen n 2 (Anzahl der geordneten Paare einschließlich Schleifen). Bei den in diesem Kapitel vorgestellten Konzepten sollte daher immer überprüft werden, ob die Formulierung für eine bestimmte Graphenart anwendbar ist. Da gerichtete Multigraphen offensichtlich den allgemeinste bisher vorgekommene Typ darstellen, sind die meisten Konzepte dafür formuliert und für speziellere Graphentypen möglicherweise zu modifizieren.

4 342 Ulrik Brandes Tabelle 1: Beispiele für Graphenmodelle verschiedenen Typs Netzwerk Akteure Beziehung Graphentyp Verwandtschaft Personen & familiäre schlicht, Beziehungen ungerichtet Kapitalverflechtung Firmen & finanzielle bimodal, Banken Beteiligung gerichtet bibliographisch Personen Autorenschaft bimodal, bipartit Aufsätze ungerichtet Zitationen Autoren Zitation gerichteter Multigraph (mit Schleifen) 1.2 Attribute Akteure und Beziehungen eines Netzwerks sind durch bloße Angabe ihres Vorhandenseins in der Regel unzureichend beschrieben. Um Graphenmodelle mit zusätzlichen Informationen anzureichern, werden daher Knoten- und Kantenattribute hinzugefügt. Diese können einfache Beschriftungen sein, die lediglich der Identifikation oder Zuordnung dienen (und werden dann in der formalen Analyse meist nicht berücksichtigt), oder sie modifizieren Qualität oder Quantität eines Graphenelements und sind daher entscheidend für die Analyse. In letzterem Fall spricht man von bewerteten Graphen (engl. valued graphs). Bewertungen können Daten beliebigen Typs sein, z. B. kann man mit einem Knotenattribut λ : V {A, B, C} die Akteure in drei Gruppen einteilen oder durch ein Kantenattribut ω : E [0, 1] die Wahrscheinlichkeit für das Funktionieren einer Verbindung angeben. Typ und Bedeutung der Attribute hängen wie das spezielle Graphenmodell vom Anwendungskontext ab, und es ist auch hier darauf zu achten, dass nur damit kompatible Analyseformen angewandt werden. Ein Beispiel dafür wird weiter unten im Abschnitt über Wege gegeben. Hinzu kommt, dass sich die geeignete Darstellung mancher Arten von Attributen erst aus der anzuwendenden Analysemethode ergibt. 1.3 Bimodale, bipartite und Hypergraphen Ein besonders häufiger Fall von Knotenattributierung ist eine vorliegende Einteilung in zwei Gruppen prinzipiell verschiedener Akteure, z. B. Personen und Organisationen, denen sie angehören, oder Personen und Dokumente, die sie verfasst haben. Man spricht dann von bimodalen Netzwerken (engl. two-mode network). Oft ist es sogar so, dass die Beziehungen nur zwischen Akteuren unterschiedlichen Typs bestehen können (kein/e Person/Dokument verfasst ein/e andere/s). Ein bimodales Netzwerk kann äquivalent auch durch einen so genannten Hypergraphen repräsentiert werden. In einem Hypergraphen G = (V, E) besteht die Kantenmenge E aus

5 Graphentheorie 343 Teilmengen der Knotenmenge; an einer (Hyper-)Kante können also mehr als zwei Knoten beteiligt sein. Für bimodale Netzwerke fasst eine Hyperkante alle Knoten des einen Typs zusammen, die mit einem gemeinsamen Knoten des anderen Typs in Beziehung stehen. Ein Beispiel zeigt Abbildung 2. Abbildung 2: Die gleichen Mitgliedschaftsdaten als bimodaler Graph aus Direktoren (rund) und Aufsichtsräten (rechteckig), als Hypergraph (Aufsichtsräte umschließen darin vertretene Direktoren) und als zwei Multigraphen (Aufsichtsräte mit gemeinsamen Direktoren bzw. Netzwerk gemeinsamer Zugehörigkeiten) (a) bimodal (b) Hypergraph (c) zwei unimodale Die Modellierung des bimodalen Graphen durch einen Hypergraphen setzt voraus, dass es keine Beziehungen zwischen Akteuren gleichen Typs gibt. Dies ist eine Grapheigenschaft, die auch unabhängig von einer bekannten Einteilung in zwei Gruppen vorliegen kann. Ein Graph heißt daher bipartit (engl. bipartite), wenn seine Knoten auf mindestens eine Weise so in zwei Teilmengen partitioniert werden können, dass keine Kanten innerhalb einer der beiden Mengen verläuft. Die Graustufen in Abbildung 1(a) definieren eine solche Bipartition. Bimodal und bipartit bezeichnen also nicht ganz den gleichen Sachverhalt: für einen bipartiten Graphen kann es verschiedene Einteilungen in je zwei intern nicht verbundene Gruppen geben, während in einem bimodalen Graphen die Einteilung bereits (durch extrinsische Attribute) festgelegt ist und zumindest grundsätzlich auch Beziehungen zwischen Knoten gleichen Typs bestehen können (im obigen Beispiel etwa Organisationen die anderen Organisationen angehören). Im nächsten Kapitel wird gezeigt, wie aus bipartiten bimodalen Graphen neue Beziehungen zwischen Knoten desselben Typs abgeleitet werden können (für Personen etwa die mit der Organisationsanzahl bewertete Beziehung gemeinsamer Zugehörigkeit). 1.4 Multiplexität Sind die Kanten eines Graphen typisiert, d. h. werden mehrere Beziehungsarten in einem Netzwerk zusammen betrachtet, handelt es sich um ein Mehrfachnetzwerk (engl. multiplex network). Je nach Zusammenhang ist es besser, Mehrfachkanten zwischen Knoten zu verwenden, wenn die Akteure in Beziehungen verschiedenen Typs stehen (eine für jede vorkommende Beziehungsart), oder die Kanten eines einfachen Graphen mit der Menge der jeweils zutreffenden Beziehungstypen zu beschriften.

6 344 Ulrik Brandes 1.5 Dynamik Zu den interessantesten Attributen, die Netzwerkelemente aufweisen können, zählt ihre Veränderung über die Zeit. Längsschnitt-Netzwerke (engl. longitudinal networks) werden durch dynamische Graphen modelliert, es sind allerdings so viele Klassen zu unterscheiden, dass auf eine ausführliche Behandlung verzichtet wird. Für die Analysemöglichkeiten macht es nämlich einen großen Unterschied, ob Kanten hinzukommen und/oder aus dem Graphen herausfallen können, ob die Knotenmenge veränderlich ist, ob sich Attributwerte ändern können, ob die Änderungen getaktet sind (z.b. Erhebungswellen bei Paneldaten) oder kontinuierlich (z.b. zeitlich erfasste Ereignisbeziehungen) auftreten können u. s. w. Viele dieser Varianten bedingen außerdem nochmals weitere Varianten der nachstehenden Konzepte; unter welchen Voraussetzungen sollen z.b. zwei Akteure in einem zeitlich veränderlichen Netzwerk als verbunden betrachtet werden? 2 Isomorphie und Teilgraphen Um Netzwerkstrukturen vergleichen oder Arten von Teilstrukturen untersuchen zu können, braucht man eine Möglichkeit, Graphen zueinander in Beziehung setzen zu können. Abbildung 3: Der Graph H enthält einen Kreis der Länge vier und ist siebenmal im Graphen G enthalten (ein Vorkommen hervorgehoben) Zwei Graphen G 1 = (V 1, E 1 ) und G 2 = (V 2, E 2 ) heißen isomorph, G 1 = G2, wenn es eine bijektive Abbildung ϕ : V 1 V 2 gibt, die (u, v) E 1 (ϕ(u), ϕ(v)) E 2 für alle (u, v) E 1 erfüllt. Bijektiv bedeutet dabei, dass jeder Knoten aus V 2 genau einem Knoten in V 1 zugeordnet wird, die Abbildung ist also umkehrbar. Isomorphe Graphen sind strukturell, d. h. wenn man alle Attribute und sonstigen Identifikationen weglässt, nicht zu unterscheiden.

7 Graphentheorie 345 Zu einem Graphen G = (V, E) und einer Teilmenge seiner Knoten V V ist der knoteninduzierte Teilgraph G[V ] = (V, {(u, v) E : u, v V }). Der von einer Kantenteilmenge E E kanteninduzierte Teilgraph G[E ] = (V, E ) enthält alle Knoten V V, die an mindestens einer Kanten von E beteiligt sind. Allgemein besteht ein Teilgraph aus einer Teilmenge von Knoten und Kanten, sodass mindestens die Endknoten der Kantenteilmenge vorhanden sind. Ein Graph G enthält einen anderen Graphen H, falls H zu einem Teilgraphen von G isomorph ist. Häufig interessieren z. B. möglichst große Cliquen, d. h. Teilgraphen, in denen jeder Knoten mit jedem anderen verbunden ist. 3 Knotengrad In einem schlichten Graphen ist der Grad, deg(v), eines Knotens v V definiert als die Anzahl der Kanten, an denen er beteiligt ist, deg(v) = {e E : v e}. In gerichteten Graphen ist zu unterscheiden, ob v Anfangs- oder Endknoten der jeweiligen Kanten ist. Entsprechend sind der Eingangsgrad deg (v) = {e E : e = (v, w)} und Ausgangsgrad deg + (v) = {e E : e = (u, v)} definiert. Mit Grad wird in gerichteten Graphen dann die Summe aus Ein- und Ausgangsgrad bezeichnet. Die Knotengrade der Graphen aus Abbildung 1 sind in Abbildung 4 Grundlage der Knotendarstellung. Abbildung 4: Graphische Darstellung von ungerichteten Knotengraden durch Fläche und von Ein- und Ausgangsgraden durch Seitenverhältnisse (a) Knotengrade (b) Ein- und Ausgangsgrade Obwohl der Knotengrad eine lokal definierte Größe ist, lassen sich aus ihm bereits interessante Eigenschaften eines Netzwerks bestimmen. So ist die Summe der Knotengrade

8 346 Ulrik Brandes gerade doppelt so groß wie die Kantenzahl, woraus sich ein Zusammenhang zwischen dem durchschnittliche Knotengrad und der Dichte ergibt (siehe nächstes Kapitel). Eine wichtige Statistik ist die Gradverteilung (p d ) d=0,1,2,..., wobei p d die relative Häufigkeit bezeichnet, mit welcher der Knotengrad d auftritt. Ist p d im Wesentlichen proportional zu d γ für eine Konstante γ > 0, spricht man von Skaleninvarianz (engl. scale-free network). 4 Wege Neben den direkten Beziehungen, die durch Kanten repräsentiert sind, interessieren fast immer auch die indirekten Beziehungen in einem Netzwerk. Abbildung 5: Ein kürzester Weg von A nach B (a) ohne Kantenattribut (b) mit Kantenlängen Ein (gerichteter) Weg ist eine Folge von Kanten derart, dass der Anfangspunkt einer Kante der Endpunkt der vorhergehenden ist. Sind zwei Knoten s, t V durch einen Weg verbunden, heißt der Weg auch (s, t)-weg, und t von s aus erreichbar. Erreichbarkeit ist die grundlegende indirekte Beziehung zwischen Knoten und Basis für eine Vielzahl von Analysemethoden, die in diesem Buch besprochen werden. Ein Weg, der an keinem Knoten zweimal ankommt, heißt einfach, und ein Weg, der am selben Knoten beginnt und endet, heißt geschlossen und auch Kreis oder Zykel. Die Länge eines Weges ist die Anzahl seiner Kanten und der (graphentheoretische) Abstand zweier Knoten s, t V ist die Länge eines kürzesten (s, t)-weges. Gibt es keinen (s, t)-weg, wir das Abstand oft als unendlich aufgefasst. Mit Hilfe der Weglängen lässt sich beispielsweise der Durchmesser eines Graphen als der größte Abstand zweier seiner Knoten erklären. Als weitere Kenngröße für die Struktur eines Netzwerks ist auch der durchschnittliche Abstand unter der Bezeichnung charakteristische Weglänge gebräuchlich. Geringe charakteristische Weglänge ist eine wesentliche Eigenschaft von Graphen, die als kleine Welten (engl. small worlds) bezeichnet werden.

9 Graphentheorie 347 Sind die Kanten des Graphen mit Attributen versehen, lassen sich daraus auch Attribute für Wege ableiten. Ist z. B. δ : E R eine Abbildung, die jeder Kante e E eine reelle Zahl δ(e) R als Länge zuordnet, wird die Länge eines Weges oft als die Summe der Längen seiner Kanten vereinbart und der Abstand zweier Knoten s, t V wieder als die Länge eines kürzesten (s, t)-weges. Dies verallgemeinert den erstgenannten Längenbegriff, da er als Sonderfall, in dem alle Kantenlängen gleich eins sind, enthalten ist. Das Beispiel in Abbildung 5 zeigt, dass sich durch die Hinzunahme von Kantenattributen Eigenschaften von Wegen ändern können. Als weiteres Beispiel betrachte mit ω : E [0, 1] die Wahrscheinlichkeit 0 ω(e) 1 des Funktionierens einer Kommunikationsverbindung e E. Dann ist z. B. das Produkt der Kantenfunktionswahrscheinlichkeiten die Wahrscheinlichkeit für das Funktionieren eines Kommunikationsweges bei voneinander unabhängig auftretenden Ausfällen, und die Wahrscheinlichkeit für das Bestehen irgendeiner Verbindung zwischen zwei Knoten eine deutlich komplizierte Funktion der Kantenbewertungen. 5 Zusammenhang Erreichbarkeit ist unter anderem Grundlage für die Zerlegung von Netzwerken in ihre wesentlichen Bestandteile. Ein Graph heißt stark zusammenhängend, wenn jeder Knoten von jedem anderen aus erreichbar ist und (schwach) zusammenhängend, wenn jeder Knoten von jedem anderen auf ungerichteten Wegen erreichbar ist. Die maximalen zusammenhängenden Teilgraphen sind dann die starken bzw. schwachen Zusammenhangskomponenten. Der Graph in Abbildung 1(b) ist schwach zusammenhängend, hat aber vier (farblich markierte) starke Zusammenhangskomponenten. Ein Graph der durch Wegnahme jeder beliebigen Kante unzusammenhängend würde, ist kreisfrei (enthielte der Graph einen Kreis, so könnte eine seiner Kanten entfernt werden, ohne den Graphen zu zerlegen) und heißt Baum. Entfernt man aus dem Graphen H in Abbildung 3 eine Kante, so wird daraus entweder ein Baum, oder er zerfällt in zwei Zusammenhangskomponenten. Bäume sind typisch für Organigramme und andere hierarchische Strukturen. 6 Literatur Diestel, Reinhart, 2006: Graphentheorie. Heidelberg: Springer. Euler, Leonhard, 1736: Solutio problematis ad geometriam situs pertinentis. Commentarii Academiae Scientiarum Imperialis Petropolitanae 8: Harary, Frank, Robert Z. Norman und Dorwin Cartwright, 1965: Structural Models: An Introduction to the Theory of Directed Graphs. New York: John Wiley & Sons. König, Denes, 1936: Theorie der endlichen und unendlichen Graphen: Kombinatorische Topologie der Streckenkomplexe. Leipzig: Akademische Verlagsgesellschaft. Krumke, Sven O. und Hartmut Noltemeier, 2005: Graphentheoretische Konzepte und Algorithmen. Wiesbaden: Vieweg+Teubner. Nitzsche, Manfred, 2005: Graphen für Einsteiger. Wiesbaden: Vieweg+Teubner.

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)

Diskrete 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

Mehr

Graphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke

Graphentheorie 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,

Mehr

WS 2008/09. Diskrete Strukturen

WS 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

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

Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert: KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage

Mehr

André Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen

André Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen André Krischke Helge Röpcke Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen 8 Grundbegriffe der Graphentheorie für die Kante, die die beiden Knoten und verbindet. Der linke Graph in Bild. kann

Mehr

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2 1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)

Mehr

Graphen und Bäume. A.1 Graphen

Graphen und Bäume. A.1 Graphen Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt

Mehr

Programmiertechnik II

Programmiertechnik 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

Mehr

Programmiertechnik II

Programmiertechnik 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete 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

Mehr

Anwendungen von Graphen

Anwendungen von Graphen Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume

Mehr

Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze

Elementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Diskrete 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

Mehr

Übung zur Vorlesung Diskrete Strukturen I

Übung 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.

Mehr

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen

Übersicht. 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

Mehr

Dieser Graph hat 3 Zusammenhangskomponenten

Dieser Graph hat 3 Zusammenhangskomponenten Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist

Mehr

1. Einleitung wichtige Begriffe

1. 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

Mehr

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).

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). 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

Mehr

Grundlagen: Begriffe zu Graphen

Grundlagen: Begriffe zu Graphen l o a UNIVERSITÄT KONSTANZ September 18 LEHRSTUHL FÜR PRAKTISCHE INFORMATIK Prof Dr D Wagner / Annegret Liebers Grundlagen: Begriffe zu Graphen Das erste Lehrbuch zur Graphentheorie war [K ön6 (Der Nachdruck

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Einheit 11 - Graphen

Einheit 11 - Graphen Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)

Mehr

Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich

Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage

Mehr

Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:

Übung 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

Mehr

WS 2013/14. Diskrete Strukturen

WS 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

Mehr

5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen

5 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37

2. 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

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII

Mehr

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

Motivation Kap. 6: Graphen

Motivation Kap. 6: Graphen Motivation Kap. 6: Graphen Warum soll ich heute hier bleiben? Graphen sind wichtig und machen Spaß! Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Was gibt es

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII

Mehr

Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.

Seien 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Dipl-Math. Wolfgang Kinzner 2.4.2012 Kapitel 1: Grundlagen der algorithmischen Graphgentheorie

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-Prof. Dr. Goulnara ARZHANTSEVA Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 08: Menger, König und Hall / Planare Graphen 1 / 30 Der Satz von Menger: s t trennende Kantenmenge

Mehr

Seminar: Einladung in die Mathematik

Seminar: 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

Mehr

1. Einführung. Grundbegriffe und Bezeichnungen. Beispiele. gerichtete Graphen. 1. Einführung Kapitelübersicht

1. Einführung. Grundbegriffe und Bezeichnungen. Beispiele. gerichtete Graphen. 1. Einführung Kapitelübersicht 1. Einführung Kapitelübersicht 1. Einführung Grundbegriffe und Bezeichnungen Beispiele Bäume gerichtete Graphen Graphentheorie HS Bonn-Rhein-Sieg, WS 2014/15 15 Das Königsberger Brückenproblem Beispiel

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik 1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen

Zentralübung zur Vorlesung Diskrete Strukturen WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:

Mehr

Grundbegriffe der Informatik Tutorium 8

Grundbegriffe der Informatik Tutorium 8 Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum

Mehr

Graphen. Graphen und ihre Darstellungen

Graphen. 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

Mehr

Algorithmische Graphentheorie (SS2013)

Algorithmische Graphentheorie (SS2013) Algorithmische Graphentheorie (SS2013) Kapitel 1 Grundlagen Walter Unger Lehrstuhl für Informatik 1 08.05.2013 09:42 (1:2) Walter Unger 8.5.2013 10:26 SS2013 Z x Inhalt I 1 Einleitende Definitionen

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: 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 2010

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek

Mehr

Ferienkurs Propädeutikum Diskrete Mathematik

Ferienkurs Propädeutikum Diskrete Mathematik Ferienkurs Propädeutikum Diskrete Mathematik Teil 3: Grundlagen Graphentheorie Tina Janne Schmidt Technische Universität München April 2012 Tina Janne Schmidt (TU München) Ferienkurs Propädeutikum Diskrete

Mehr

Graphen. Im Rahmen dieser Vorlesung beschränken wir uns auf einfache ungerichtete Graphen, die wie folgt definiert werden können:

Graphen. Im Rahmen dieser Vorlesung beschränken wir uns auf einfache ungerichtete Graphen, die wie folgt definiert werden können: Graphen Wir geben zunächst die allgemeinste Definition für den Begriff Graph an: Definition: Ein Graph ist ein 4-Tupel (V, E,, ), wobei V und E Mengen sind, und : E! V und : E! V totale Abbildungen. Im

Mehr

Graphentheorie. Algebraic Graph Theory von Chris Godsil und Gordon Royle. Kapitel Seminararbeit. von. Katharina Mayr

Graphentheorie. Algebraic Graph Theory von Chris Godsil und Gordon Royle. Kapitel Seminararbeit. von. Katharina Mayr Graphentheorie Algebraic Graph Theory von Chris Godsil und Gordon Royle Kapitel 1.1 1.3 Seminararbeit von Katharina Mayr 01210559 Universität Graz Insitut für Mathematik und wissenschaftliches Rechnen

Mehr

8. Übung Algorithmen I

8. 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 Grundlagen

Mehr

Bäume und Wälder. Definition 1

Bäume 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

Mehr

Bäume und Wälder. Definition 1

Bäume 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

Mehr

Kapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung

Kapitel 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

Mehr

Formale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S

Formale 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

Mehr

Vorlesung 2: Graphentheorie

Vorlesung 2: Graphentheorie Vorlesung 2: Graphentheorie Markus Püschel David Steurer Peter Widmayer Algorithmen und Datenstrukturen, Herbstsemester 2017, ETH Zürich Funktionsgraph bekannt aus der Schule hat aber leider nichts mit

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete 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

Mehr

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8

Mehr

Verteilen von Bällen auf Urnen

Verteilen von Bällen auf Urnen Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle

Mehr

1. Einige Begriffe aus der Graphentheorie

1. Einige Begriffe aus der Graphentheorie . Einige Begriffe aus der Graphentheorie Notation. Sei M eine Menge, n N 0. Dann bezeichnet P n (M) die Menge aller n- elementigen Teilmengen von M, und P(M) die Menge aller Teilmengen von M, d.h. die

Mehr

Nachbarschaft, Grad, regulär, Inzidenz

Nachbarschaft, 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

Mehr

Bemerkung: Der vollständige Graph K n hat n(n 1)

Bemerkung: 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

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche

Mehr

Kapitel IV Minimale Spannbäume

Kapitel IV Minimale Spannbäume Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.

Mehr

Lösungen zu Kapitel 5

Lösungen zu Kapitel 5 Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V

Mehr

A B = {(a,b) a A, b B}

A B = {(a,b) a A, b B} Binäre Relationen Def: A, B zwei Mengen. Das kartesische Produkt von beiden ist A B = {(a,b) a A, b B} Eine MengeR A B heißt (zweistellige) Relation. Anstatt (a,b) R schreibt man oft auch arb. 1 SindR,S

Mehr

Kapitel IV Minimale Spannbäume

Kapitel IV Minimale Spannbäume Kapitel IV Minimale Spannbäume. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung

Mehr

Diskrete Mathematik 1

Diskrete Mathematik 1 Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt

Mehr

Tutoraufgabe 1 (Suchen in Graphen):

Tutoraufgabe 1 (Suchen in Graphen): Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn

Mehr

Graphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S

Graphentheorie. 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

Mehr

Minimal spannende Bäume

Minimal spannende Bäume Minimal spannende Bäume Ronny Harbich 4. Mai 006 (geändert 19. August 006) Vorwort Ich danke Patrick Bahr und meinem Bruder Steffen Harbich für die Unterstützung bei dieser Arbeit. Sie haben sowohl zu

Mehr

Kapitel 8: Bipartite Graphen Gliederung der Vorlesung

Kapitel 8: Bipartite Graphen Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

Minimal spannende Bäume

Minimal spannende Bäume http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen

Mehr

Isomorphie von Bäumen

Isomorphie von Bäumen Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Eulertouren, 2-Zusammenhang, Bäume und Baumisomorphismen Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline

Mehr

Quicksort ist ein Divide-and-Conquer-Verfahren.

Quicksort ist ein Divide-and-Conquer-Verfahren. . Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.

Mehr

Algorithmen und Datenstrukturen 2-1. Seminar -

Algorithmen 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

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter WS 2009/10 Isomorphie Zwei Graphen (V 1, E 1 ) und (V 2, E 2 ) heißen isomorph, wenn es eine bijektive, Kanten erhaltende und Kanten

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 9 Graphen Version vom 13. Dezember 2016 1 / 1 Vorlesung Fortsetzung 13. Dezember

Mehr

Graphen. Leonhard Euler ( )

Graphen. 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),

Mehr

Graphentheorie 2. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kantenzüge Small-World Networks Humor SetlX

Graphentheorie 2. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Kantenzüge Small-World Networks Humor SetlX Graphentheorie 2 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 26 Diskrete Strukturen Graphentheorie 2 Slide /23 Agenda Hausaufgaben Kantenzüge Small-World Networks Humor SetlX Diskrete Strukturen

Mehr

Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen

Was 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,

Mehr

Geraden in der Ebene und Zerlegung von Graphen

Geraden in der Ebene und Zerlegung von Graphen Geraden in der Ebene und Zerlegung von Graphen Proseminar: Beweise aus dem Buch am 17.01.2015 von Ina Seidel 1 Historisches zu Sylvester und Gallai James Joseph Sylvester * 1814, 1897 war britischer Mathematiker.Unter

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie WS 2008/2009 Vorlesung: Dr. Felix Brandt, Dr. Jan Johannsen Übung: Markus Brill, Felix Fischer Institut für Informatik LMU München Organisatorisches Vorlesung Donnerstag,

Mehr

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1 Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität

Mehr

WS 2013/14. Diskrete Strukturen

WS 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

Mehr

Einführung in die Graphentheorie. Monika König

Einführung in die Graphentheorie. Monika König Einführung in die Graphentheorie Monika König 8. 11. 2011 1 Vorwort Diese Seminararbeit basiert auf den Unterkapiteln 1.1-1.3 des Buches Algebraic Graph Theory von Chris Godsil und Gordon Royle (siehe

Mehr

Kantengraphen und Planare Graphen. Seminararbeit

Kantengraphen und Planare Graphen. Seminararbeit Kantengraphen und Planare Graphen Seminararbeit in Mathematisches Seminar für LAK 621.378 SS 2018 vorgelegt von Anna Maria Gärtner bei: Baur, Karin, Univ.-Prof. Dr.phil. Graz, 2018 Inhaltsverzeichnis 1

Mehr

Vorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich

Vorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Vorlesung 1: Graphentheorie Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Plan für die ersten Vorlesungen Vorlesungen 1,2: wichtige mathematische Grundlagen;

Mehr

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann

Bäume 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

Mehr

3 Klassifikation wichtiger Optimierungsprobleme

3 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

Mehr

Graphentheorie. Yichuan Shen. 10. Oktober 2013

Graphentheorie. 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

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Physik der sozio-ökonomischen Systeme mit dem Computer. 7. Vorlesung

Physik der sozio-ökonomischen Systeme mit dem Computer. 7. Vorlesung Physik der sozio-ökonomischen Systeme mit dem Computer PC-POOL RAUM 01.120 JOHANN WOLFGANG GOETHE UNIVERSITÄT 01.12.2017 7. Vorlesung MATTHIAS HANAUSKE FRANKFURT INSTITUTE FOR ADVANCED STUDIES JOHANN WOLFGANG

Mehr