5.1 Graphentheorie. Ulrik Brandes
|
|
- Claus Schräder
- vor 7 Jahren
- Abrufe
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)
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
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrAndré 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
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)
MehrGraphen 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
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
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 8
MehrAnwendungen von Graphen
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume
MehrElementare 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
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
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
MehrDieser 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
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
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
MehrGrundlagen: 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
MehrVorlesung 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
MehrEinheit 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)
MehrVorlesungstermin 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
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
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
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
MehrZentralübung 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
MehrKapitel 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
MehrMotivation 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
MehrZentralübung 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
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrGrundbegriffe 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
MehrDiskrete 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
MehrFerienkurs 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
MehrUniv.-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
MehrSeminar: Einladung in die Mathematik
Seminar: Einladung in die Mathematik Marius Kling 11.11.2013 Übersicht 1. Königsberger Brückenproblem 2. Diskrete Optimierung 3. Graphentheorie in der Informatik 4. Zufällige Graphen 5. Anwendungen von
Mehr1. 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
MehrGrundlagen 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
MehrZentralübung 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:
MehrGrundbegriffe 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
MehrGraphen. Graphen und ihre Darstellungen
Graphen Graphen und ihre Darstellungen Ein Graph beschreibt Beziehungen zwischen den Elementen einer Menge von Objekten. Die Objekte werden als Knoten des Graphen bezeichnet; besteht zwischen zwei Knoten
MehrAlgorithmische 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
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 2010
MehrDiskrete 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
MehrFerienkurs 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
MehrGraphen. 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
MehrGraphentheorie. 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
Mehr8. 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
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrKapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung
Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman
MehrFormale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
MehrVorlesung 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
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
MehrAlgorithmen 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
MehrVerteilen 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
Mehr1. 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
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
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
MehrAlgorithmen 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
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.
MehrLösungen 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
MehrA 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
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.
MehrVorlesung 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
MehrDiskrete 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
MehrTutoraufgabe 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
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
MehrMinimal 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
MehrKapitel 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
MehrMinimal 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
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrKapitel 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
MehrStudientag 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
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 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
MehrVorlesung 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
MehrAlgorithmen 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
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),
MehrGraphentheorie 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
MehrWas bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen
Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,
MehrGeraden 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
MehrAlgorithmische 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,
MehrFünf-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
MehrADS: 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
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 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
MehrKantengraphen 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
MehrVorlesung 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;
MehrBäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann
Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrGraphentheorie. Yichuan Shen. 10. Oktober 2013
Graphentheorie Yichuan Shen 0. Oktober 203 Was ist ein Graph? Ein Graph ist eine kombinatorische Struktur, die bei der Modellierung zahlreicher Probleme Verwendung findet. Er besteht ganz allgemein aus
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
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrPhysik 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