RWTH Aachen, Lehrstuhl für Informatik IX Kapitel 3: Suchen in Mengen - Datenstrukturen und Algorithmen - 51

Größe: px
Ab Seite anzeigen:

Download "RWTH Aachen, Lehrstuhl für Informatik IX Kapitel 3: Suchen in Mengen - Datenstrukturen und Algorithmen - 51"

Transkript

1 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 51 Sucbäume Biser betractete Algoritmen für Suce in Mengen Sortierte Arrays A B C D - Nur sinnvoll für statisce Mengen, da Einfügen und Entfernen O(n) Zeit benötigt. - Zeitbedarf für Suce: O(log n) (binäre Suce) - Bereicanfragen: alle Einträge zwiscen 127 und 135 Hasing - stark abängig von gewälter Hasfunktion - Kollisionsbeandlung nötig - Anzal der Objekte muss vorer bekannt sein (im Groben) - keine Bereics- oder Änlickeitsanfragen Einträge für Maier u.ä.

2 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 52 Sucbäume Suc-Bäume CPU MM flüctig - beliebige dynamisc erweitbar - Operationen Einfügen, Entfernen, Sucen sind in O(log n) realisierbar A - effiziente Lösungen für die Speicerung im Sekundärspeicern Wir betracten im weiteren folgende Arten von Bäumen - Binäre Sucbäume - Balancierte Bäume binäre nict binäre - AVL Bäume, B-Bäume, R-Bäume - Optimale binäre Sucbäume (für statisce Daten)

3 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 53 Binäre Sucbäume Ausgangspunkt Binäre Suce S= Start in der Mitte -> Wurzel - Aufteilung in - linker Teil jeweils - recten Teil one Mitte - Rekursiv weiter: - linker Teilbaum aus linker Hälfte - recter Teilbaum aus recter Hälfte

4 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 54 Definition Binärer Sucbaum Definition Ein binärer Sucbaum für eine Menge von n Sclüsseln S={x 1, x 2,..., x n} bestet aus einer Menge von B bescrifteten Knotenv ={v, 1 v,..., 2 v n} mit der Bescriftungsfunktion value: v -> S value ist COrdnungseraltend, d.. für linken Teilbaum für Knoten viim linken Teilbaum und vjim recten Teilbaum des Knoten vk gilt: value(v) value(v ) value(v) i k j Begriffe Pfade 37 v k Höe 4 18 Grad = recter Teilbaum

5 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 55 Definition Binärer Sucbaum Datenstruktur class Node { private int value; //mit getvalue/setvalue private Node leftcild; //mit getsetleftcild private Node rigtcild; //mit get/setrigtcild } class Tree{ private Node root; //mit get/set Root public void insert(int value); public void delete(int value); public Node searc(int value); }

6 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 56 Binärer Sucbaum mit Bereicsblättern Bereicsblätter Darstellung A B - leere Teilbäume werden ier las Bereicsblätter dargestellt, die Intervalle zwiscen den gespeicerten Sclüsseln, beinaltet - Ein Baum mit n Knoten at n + 1Bereicsblätter - erfolglose Suce endet immer in einem Bereicsblatt - Bereicsblätter werden in de Regel nict gespeicert Beispiel (-,11) (48, ) (11,17) (17,18) (18,19) (19,23) (23, 32) (32,37) (37, 38) (38,39) (39,42) (42,43) (43,45) (45,48)

7 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 57 Suce in Binärem Sucbaum Programm - Suce in Binärem Baum public Node searc (int value) { // ier: iterative Version Node v = root; wile(v!= null && v.getvalue()!= value){ if[value < v.getvalue()) v = v.getleftcild(); else /* value > v.getvalue() */ v = v.getrigtcild(); }/* v== null v.getvalue() == value */ return v; nict erfolgreic erfolgreic } Die Metode searc endet - in einem inneren Knoten, wenn value gefunden wurde oder - in einem leeren Teilbaum ( Bereicsblatt ), wenn value nict gefunden wurde

8 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 58 Operationen beim Binären Sucbaum Operation t.insert(value) für Tree T - Suce value in T, Ergebnis sei Bereicblatt(x, i x i+1) - Ersetze Bereicsblattdurc: x, x i i+1 val value (x i,val) (val, x i+1 ) (x, i value) (value, x ) i+1 Operation t.delete(value) - Suce zu löscenden Knoten v - Untersceide drei Fälle: 1. v at nur leere Teilbäume -> v kann unmittelbar gelösct werden. 2. v at genau einen nict leeren Teilbaum vs ->ersetze v durc vs 3. at zwei nict leere Teilbäume: * Suce im linken Teilbaum von v den rectesten (=größten) Unterknoten w * ersetze v durc w * lösce w an der ursprünglicen Stelle

9 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 59 Beispiel zum Einfügen Operationen: Beispiel: Einfügen von Suce Einfügestelle -> endet in dem Bereicsblatt (7, 18) [= leerer Teilbaum] 2. Bereicblatt wird ersetzt durc neuen Knoten 12

10 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 6 Beispiel zum Löscen Operationen: Beispiel: Entferne 12 -> at keine Nacfolger, kann direkt entfernt werden Beispiel: Entferne 7 -> at einen Nacfolger ersetze 7 durc

11 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 61 Beispiel zum Löscen 18 1 * links immer rects 23 v w 37 (-, 12) (12, 18) (18, 21) (21, 23) Operationen: (23, 37) (37, 41) (41, ) Beispiel: Entferne 23 - suce im linken Teilbaum den aus weitesten rects liegenden Knoten w: 21 - ersetze durc entferne 21

12 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 62 Sucbäume für lexikografisce Sclüssel Beispiel: Deutsce Monatsnamen Einfügungen in kalendarisce Reienfolge: Jan Januar Feb Februar Mae Maerz April Juni Mai Aug August Dez Dezember Juli Okt Oktober Sep September November * Binärer Sucbaum: Inorder-Durclauf: April, August, Dezember,, Februar, Januar, Juli, Juni, Maerz, Mai, Nov., Okt, Sept * Beobactung: Baum ist nict balanciert Nov

13 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 63 Komplexitätsanalyse Binärer Sucbaum Analyse der Laufzeit Operationen Insert und Delete besteen aus - Suce der Position im Baum - lokaler Änderung im Baum: O(1) Analyse des Sucverfarens - Anzal Vergleice entsprict Höe des Baums, da immer genau ein Pfad betroffen ist - Sei (t) die Höe des Sucbaums t, dann ist die Komplexität für searc: O((t)) - Abängigkeit von der Anzal de Knoten? a) Wie oc ist ein binärer Sucbaum mit n Knoten? bzw. b) Wie viele Knoten entält ein linearer Sucbaum der Höe maximal bzw. minimal?

14 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 64 Komplexitätsanalyse Binärer Sucbaum Best-Case max Anzal von Knoten für Höe Betractete Fall: Alle Knoten aben zwei Nacvolger (sie auf die Blätter) Höe=1 Anzal Knoten: n = 1 Höe=2 1 1 n=2*1+1= Höe=3 3 n =2-1= Höe= n = 2-1= 15 4 Allgemein: n=2 (2-1 -1) +1 = =2-1

15 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 65 Komplexitätsanalyse Binärer Sucbaum Worst-Case - alle Knoten bis auf ein Blatt aben nur einen Nacfolger - Baum degeneriert zu einer linearen Liste - Baum der Höe at nur n=knoten Anzal Vergleice in Abängigkeit von n (Anzal Knoten) Die Anzal Vergleice entsprict der Höe k Best Case: voll gefüllter Baum at n 2-1 Knoten Umformung: ld(n + 1) bzw. = ld(n + 1) Komplexität: O(ld n) vgl. binäre Suce Worst Case: lineare Liste als Baum at n = Knoten Komplexität: O(n) vgl. lineare Suce Bsp: worst best = = 2 2 1Mio.

16 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 66 Komplexitätsanalyse Binärer Sucbaum Problemanalyse Ziel A Operationen Insert, Delete, Searc (Hauptbestandteil ist jeweils Searc mit O(log n) Durc die Operationen Insert, Delete kann ein Binärbaum zu einer linearen Liste entarten - Der binäre Sucbaum at im optimalen Fall eine gute Komplexität für die Operationen Insert, Delete, Searc: O(log n) - Durc Insert, Delete kann ein Binärbaum zu einer linearen Listentarten Die Operationen Insert und Delete sollen so verändert werden, dass ein Baum immer balanciert bleibt Balancieren: - Anzal Knoten im linken und recten Teilbaum ungefär gleic - Höe der beiden Teilbäume soll etwa gleic groß sein.

17 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 67 Balancierte Bäume Ziel: Verindern der Worst-Case Komplexität für Searc O(n) - Verindern der Worst-Case Komplexität O(n) - entartete Bäume verindern durc ausbalancieren Entartete Bäume verindern Bäume ausbalancieren Balancieren (zwei Arten) - Gleicgewictsbalancierung BB(a) Bounded Balance mit Grenze a: Die Anzal der Blätter in den Unterbäumen wird ausbalanciert. Dabei bescreibt a den maximalen Unterscied zwiscen den Teilbäumen - Höenbalancierung: die Höe der beiden Teilbäume wird ausbalanciert (z.b. Höe 1)

18 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 68 AVL-Baum Balancierter Baum istorisce erste Variante eines balancierten Baumes (von Adelson, Velski, Landis) Definition: Ein AVL -Baum ist ein binärer Sucbaum mit einer ein AVL-Baum ist ein binärer Sucbaum mit folgender Strukturbindung: Strukturbedingung: Für alle Knoten gilt: die Höe der beiden Teilbäume untersceiden sic öcstens um eins A Operationen Damit diese AVL-Bedingung auc nac Insert oder Delete noc gilt, muss der Baum ggf. rebalanciert werden.

19 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 69 AVL-Baum Gegenbsp: Beispiele =2 =2 =1 =4 =1 =4 =2 =2 =2 =3 AVL-Baum D 1 kein AVL Baum =2 D =2 AVL-Baum 1 D 1 AVL 1 Untersucung der Komplexität - Operationen Searc ängt weiterin von der Höe ab - Frage: Wie oc kann ein AVL-Baum für eine gegebene Knotenanzal n maximal werden? bzw. aus wie vielen Knoten muss ein AVL-Baum der Höe mindestens besteen?

20 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 7 Höe eines AVL -Baumes Anzal Knoten in Abängigkeit von der Höe Gesuct: minimale Knotenanzal d.. wir betracten minimal gefüllte Bäume. Dabei sei N() die min. Anzal Knoten für AVL Baum der Höe = 1: N() = 1 (nur Wurzel) = 2: N() = 2 (nur ein Zweig gefüllt) =3:N()=4 N(2) N(1) + 1= = 4

21 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 71 Höe eines AVL -Baumes Anzal Knoten in Abängigkeit von der Höe Für beliebige min. gefüllten AVL-Baum der Höe 3 gilt: 1) Die Wurzel besitzt zwei Teilbäume 2) Ein Teilbaum at Höe -1 3) der andere Teilbaum at Höe -2 1 N(-1) N(-2) -1-2 N()=N(-1)+N(-2)+1 änlic zu Fibonacci-Reie

22 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 72 Höe eines AVL -Baumes Ein minimal gefüllter AVL -Baum eißt auc mancmal Fibonacci- Baum 1 =1 Baum: N()= 2 = 2 N(-1)+N(-2)+1 >2 = Fibonacci: F()= 1 = 1 f(-1)+f(+2) >1

23 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 73 Höe eines AVL -Baumes AVL-Baum (Fibonacci-Baum) Vergleic Fibonacci-Reie f() mit AVL Baumöe N() = f() N() = = N() = f( + 2) - 1 Beweis mittels vollständiger Induktion Wie oc ist ein Baum, der aus n Knoten bestet Verwendung der Fibonacci-Formel f - f F( ) = mit f =, f = f() = - 1 mit = 1 + 5, 1 =

24 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 74 Höe eines AVL -Baumes Höe in Abängigkeit von der Knoten-Anzal N()=F(+2)-1= ( - ) - 1 (one Beweis) 1 One Beweis Also gilt für einen AVL -Baum mit n Knoten für die Höe N() n und mit N() = F( + 2) - 1 ergibt sic: n F(+2)-1 n - 1 n+1 log (n+1) log (n+1)

25 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 75 Höe eines AVL -Baumes Höe in Abängigkeit von der Knoten-Anzal log (n+1) ln 2/ln ld( n + 1) < 1,444 ld (n + 1) Û zum Vergleic: maximalgefüllter binärer Sucbaum: Vergleic ld(n + 1) mit max. gefüllten Binärem Sucbaum: ld(n+1) Ergebnis: A B C D - ein AVL-Baum ist maximal 44% öer als ein maximal ausgeglicener binärer Sucbaum. - Komplexität für Searc: O(log n) auc im worst case. Operationen A - Frage: Wir müssen Operationen Insert, Delete verändert werden, damit die Balance eines AVL-Baumes gewärleistet bleibt?

26 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 76 Operationen auf AVL -Bäumen Sucen genauso wie bei binären Sucbaum Einfügen / Löscen Scritt 1) wie bei binärem Sucbaum (Suce Einfügestelle bzw. zu entfernenden Knoten und früer Einfügen bzw. Entfernne aus) C Scritt 2) Festelle, ab AVL-Eigenscaft an der Einfüge- bzw. Entfernungsstelle noc gilt. Scritt 3) Rebalancierung durc Rotation Untersucung 1. A 1. Wie kann festgestellt werden, ob ein Baum nict mer balanciert ist? 2. Wie kann ein Baum rebalanciert werden?

27 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 77 Balance bei AVL -Bäumen Vorgeensweise A Bei jedem Knoten wird die Höendifferenz (Balance b) der beiden Teilbäume abgespeicert: b = Höe(recter Teilbaum) - Höe (linker Teilbaum) Beispiel

28 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 78 Balance bei AVL -Bäumen Einfügen - zuerst Einfügen wie bei Binärbaum (s.o.) - beim Einfügen kann sic nur die Balance b von Knoten verändern, die auf dem Sucpfad liegen. ->dabei kann AVL-Kriterium verletzt werden - Gee nac dem Einfügen eines neuen Knoten den Sucpfad wieder zurück und aktualisiere die Balance

29 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 79 Einfügen bei AVL -Bäumen Bsp: Einfügen (1) Einfügen (33) Ablauf: Nac Einfügen: Kritiscen Knoten bestimmen (näcstgelegener Vorgänger zum neuen Knoten mit b = 2) dieser ist Ausgangspunkt der Reorganisations (Rotation) - Pfad vom kritiscen zum neuen Knoten legt Rotationstyp fest

30 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 8 AVL-Baum: Einfacrotation LL-Rotation Bsp: Einfügung wer im linken Teilbaum des linken Teilbaums -1-2 Baum ist nac LL-Rotation wieder balanciert -1 <- -1 B B C +3 Kritiscer Knoten Rotiere linken Teilbaum +1 B1 7 B C +1

31 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 81 AVL-Baum: Einfacrotation RR-Rotation: C B B Kritiscer Knoten Rotiere recten Teilbaum C 7 +1 B1 18 B2 +1

32 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 82 AVL-Baum: Doppelrotation LR-Rotation B > C Kritiscer Knoten B B2a B2b - C B2 +1 Eine einface Rotation reict ier nict aus, da der problematisce Teilbaum innen liegt -> betracte Teilbaum B2 näer

33 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 83 AVL-Baum: Doppelrotation LR-Rotation B B2a B2b C -1 B B2a B2b C Bemerkung: es spielt keine Rolle, ob der neue Knoten im Teilbaum B2a oder in B2b eingefügt wurde Bemerkung: RL-Rotation: analog (symmetrisc) zur LR-Rotation

34 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 84 AVL-Baum: Komplexität beim Einfügen Komplexität A B Die Rotation stekken das AVL-Kriterium im unbalancierten Unterbaum wieder er und sie bewaren die Sortierreienfolge (d.. Sucbaumeigenscaft) - Wenn ein Baum rebalanciert wird, ist der entsprecende Unterbaum danac immer genauso oc wie vor dem Einfügen => der restlice Baum bleibt konstant und muss nict überprüft werden => beim Einfügen eines Knoten benötigt man öcstens eine Rotation zur Rebalancierung??A Aufwand: Suce + Einfügen + Rotation O() + O(1) + O(1) = O() = O(log n)

35 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 85 Löscen bei AVL -Bäumen Vorgeensweise - zuerst normales Löscen wie bei Binärbaum - Nur für Knoten auf den Löscpfad kann das AVL-Kriterium verletzt werden (vgl. Einfügen) A Ablauf: - nac dem eigentlicen Löscen: kritiscen Knoten bestimmen: näcster Vorgänger zum tatsäclicen entfernten Knoten mit b = 2 - er kritisce Knoten ist Ausgangspunkt der Reorganisation (=Rotation) - Rotationstyp wird bestimmt, als ob im gegenüberliegenden Unterbaum ein Knoten eingefügt worden wäre.

36 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 86 Löscen bei AVL -Bäumen Kritisces Beispiel B B C Rotiere gegenüberliegenden Teilbaum -1 B B C -1 Beobactung: Der Teilbaum ist nac der Rotation ier nict ausbalanciert Dies liegt daran, dass ein Teilbaum rotiert, der selbst ausbalanciert wird.

37 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 87 Löscen bei AVL -Bäumen Komplexität Beim Löscen eines Knotens wird Beim Löscen eines Knoten wird - das AVL-Kriterium (lokal) wiederergestellt, die Sortierreienfolge bleibt eralten. - kann es vorkommen, dass der rebalancierte Unterbaum nict dieselbe Höe wie vor dem löscen besitzt. -> auf dem weiteren Pfad zur Wurzel kann es zu weiteren Rotationen kommen -> beim löscen werden maximal Rotationen benötigt. das AVL -Kriterium wiederergestellt, die Sortierreienfolge bleibt eralten kann es vorkommen, daß der rebalancierte Unterbaum nict die gleice Höe wie vor dem Löscen besitzt auf dem weiteren Pfad zur Wurzel kann es zu weiteren Rebalancierungen (des obigen Typs, also immer im anderen Unterbaum) kommen beim Löscen werden maximal Rotationen benötigt Aufwand: Entfernen + Rotieren O() + O() = O(log(n)) Entfernen + Rebalancieren O() + O() = O() = O(log n)

38 RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 88 Zusammenfassung Binäre Bäume Vergleic mit Hasing - Hasing at im optimalen Fall konstante Komplexität O(1), im sclectesten Fall O(n) - Damit Hasing gut funktioniert, müssen viele Parameter bekannt sein: - Wertebereic - Größe der Tabelle, d.. Speicerplatz - Gute Hasfunktion - Bäume aben in allen Operationen (Sucen, Einfügen, Entfernen) logaritmisce Komplexität, O(log n) - Bei Bäumen ist kein Wissen über die Daten nötig

Binäre Suchbäume. 6. Binäre Suchbäume. Einfügen in binären Suchbäumen

Binäre Suchbäume. 6. Binäre Suchbäume. Einfügen in binären Suchbäumen 6. Binäre Sucbäume Natürlice binäre Sucbäume - Begriffe und Definitionen - Grundoperationen: Einfügen, sequentielle Suce, direkte Suce, öscen - Bestimmung der mittleren Zugriffskosten Balancierte Binärbäume

Mehr

9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen

9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen 9.4 Binäre Suchbäume Erweiterung: Einfügen an der Wurzel Standardimplementierung: Der neue Schlüssel wird am Ende des Suchpfades angefügt (natürlich, weil zuerst festgestellt werden muss, ob der Schlüssel

Mehr

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert

1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume

Mehr

Wiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen

Wiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen Was bisher geschah abstrakter Datentyp : Signatur Σ und Axiome Φ z.b. ADT Menge zur Verwaltung (Finden, Einfügen, Entfernen) mehrerer Elemente desselben Typs Spezifikation einer Schnittstelle Konkreter

Mehr

Algorithmen und Datenstrukturen Balancierte Suchbäume

Algorithmen und Datenstrukturen Balancierte Suchbäume Algorithmen und Datenstrukturen Balancierte Suchbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung Einfügen und Löschen Einfügen

Mehr

6. Die Exponentialfunktionen (und Logarithmen).

6. Die Exponentialfunktionen (und Logarithmen). 6- Funktionen 6 Die Eponentialfunktionen (und Logaritmen) Eine ganz wictige Klasse von Funktionen f : R R bilden die Eponentialfunktionen f() = c ep( ) = c e, ier sind, c feste reelle Zalen (um Trivialfälle

Mehr

Algorithmik II. a) Fügen Sie in einen anfangs leeren binären Baum die Schlüsselfolge 20, 28, 35, 31, 9, 4, 13, 17, 37, 25 ein.

Algorithmik II. a) Fügen Sie in einen anfangs leeren binären Baum die Schlüsselfolge 20, 28, 35, 31, 9, 4, 13, 17, 37, 25 ein. Aufgabe 10 Binäre Bäume a) Fügen Sie in einen anfangs leeren binären Baum die Schlüsselfolge, 28, 35, 31, 9, 4,, 17, 37, 25 ein. 1. Einfügen von : 3. Einfugen von 35: 2. Einfügen von 28: 28 28 10. Einfügen

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen

Mehr

Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v)

Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v) Ein Baum T mit Knotengraden 2, dessen Knoten Schlüssel aus einer total geordneten Menge speichern, ist ein binärer Suchbaum (BST), wenn für jeden inneren Knoten v von T die Suchbaumeigenschaft gilt: Der

Mehr

Algorithmen und Datenstrukturen Suchbaum

Algorithmen und Datenstrukturen Suchbaum Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen

Mehr

Balancierte Bäume. Martin Wirsing. in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer. http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06

Balancierte Bäume. Martin Wirsing. in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer. http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06 Balancierte Bäume Martin Wirsing in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06 2 Ziele AVL-Bäume als einen wichtigen Vertreter balancierter

Mehr

Programmiertechnik II

Programmiertechnik II Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...

Mehr

13. Binäre Suchbäume

13. Binäre Suchbäume 1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),

Mehr

Kap. 4.2: Binäre Suchbäume

Kap. 4.2: Binäre Suchbäume Kap. 4.2: Binäre Suchbäume Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 11. VO DAP2 SS 2009 26. Mai 2009 1 Zusätzliche Lernraumbetreuung Morteza Monemizadeh:

Mehr

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12

Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12 Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben

Mehr

Datenstruktur, die viele Operationen dynamischer Mengen unterstützt

Datenstruktur, die viele Operationen dynamischer Mengen unterstützt Algorithmen und Datenstrukturen 265 10 Binäre Suchbäume Suchbäume Datenstruktur, die viele Operationen dynamischer Mengen unterstützt Kann als Wörterbuch, aber auch zu mehr eingesetzt werden (Prioritätsschlange)

Mehr

- k Maximalwerte aus Menge mit n >> k Elementen (Rangfolgebestimmung von Suchmaschinen!) Die typische Operationen:

- k Maximalwerte aus Menge mit n >> k Elementen (Rangfolgebestimmung von Suchmaschinen!) Die typische Operationen: 6 Partiell geordnete binäre Bäume: Heap (Haufen) Motivation für manchen Anwendungen nur partielle Ordnung der Elemente statt vollständiger nötig, z.b. - Prioritätsschlange: nur das minimale (oder maximale)

Mehr

Grundlagen der Programmierung 2. Bäume

Grundlagen der Programmierung 2. Bäume Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)

Mehr

KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN

KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN RALF HINZE Institut für Informatik III Universität Bonn Email: ralf@informatik.uni-bonn.de Homepage: http://www.informatik.uni-bonn.de/~ralf Februar, 2001 Binäre Suchbäume

Mehr

Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume.

Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume. Universität Osnabrück 1 Bäume 3 - Objektorientierte Programmierung in Java Vorlesung 10: Collections 4 Einführung Bäume sind verallgemeinerte Listenstrukturen Lineare Liste Jedes Element hat höchstens

Mehr

Vorname:... Matrikel-Nr.:... Unterschrift:...

Vorname:... Matrikel-Nr.:... Unterschrift:... Fachhochschule Mannheim Hochschule für Technik und Gestaltung Fachbereich Informatik Studiengang Bachelor of Computer Science Algorithmen und Datenstrukturen Wintersemester 2003 / 2004 Name:... Vorname:...

Mehr

Binäre Suchbäume. Ein Leitprogramm von Timur Erdag und Björn Steffen

Binäre Suchbäume. Ein Leitprogramm von Timur Erdag und Björn Steffen Binäre Suchbäume Ein Leitprogramm von Timur Erdag und Björn Steffen Inhalt: Bäume gehören zu den bedeutendsten Datenstrukturen in der Informatik. Dieses Leitprogramm gibt eine Einführung in dieses Thema

Mehr

Kapitel 9 Suchalgorithmen

Kapitel 9 Suchalgorithmen Kapitel 9 Suchalgorithmen Technische Universität München Suchverfahren: Verfahren, das in einem Suchraum nach Mustern oder Objekten mit bestimmten Eigenschaften sucht. Vielfältige Anwendungsbereiche für

Mehr

Hilfe zum neuen Online-Shop

Hilfe zum neuen Online-Shop Hilfe zum neuen Online-Sop Hier finden Sie umfassend bescrieben, wie Sie sic in unserem neuen Sop zurectfinden. Wenn Sie Fragen zur Kunden-Nr., Kunden-ID oder zum Passwort aben, rufen Sie uns bitte an:

Mehr

Programmierung und Modellierung

Programmierung und Modellierung Programmierung und Modellierung Terme, Suchbäume und Pattern Matching Martin Wirsing in Zusammenarbeit mit Moritz Hammer SS 2009 2 Inhalt Kap. 7 Benutzerdefinierte Datentypen 7. Binärer Suchbaum 8. Anwendung:

Mehr

Sortierte Folgen 250

Sortierte Folgen 250 Sortierte Folgen 250 Sortierte Folgen: he 1,...,e n i mit e 1 apple applee n kennzeichnende Funktion: M.locate(k):= addressof min{e 2 M : e k} Navigations Datenstruktur 2 3 5 7 11 13 17 19 00 Annahme:

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes

Mehr

Idee: Wenn wir beim Kopfknoten zwei Referenzen verfolgen können, sind die Teillisten kürzer. kopf Eine Datenstruktur mit Schlüsselwerten 1 bis 10

Idee: Wenn wir beim Kopfknoten zwei Referenzen verfolgen können, sind die Teillisten kürzer. kopf Eine Datenstruktur mit Schlüsselwerten 1 bis 10 Binäre Bäume Bäume gehören zu den wichtigsten Datenstrukturen in der Informatik. Sie repräsentieren z.b. die Struktur eines arithmetischen Terms oder die Struktur eines Buchs. Bäume beschreiben Organisationshierarchien

Mehr

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.

Mehr

10. Kapitel (Teil1) BÄUME GRUNDLAGEN. Algorithmen & Datenstrukturen Prof. Dr. Wolfgang Schramm

10. Kapitel (Teil1) BÄUME GRUNDLAGEN. Algorithmen & Datenstrukturen Prof. Dr. Wolfgang Schramm 10. Kapitel (Teil1) BÄUME GRUNDLAGEN Algrithmen & Datenstrukturen Prf. Dr. Wlfgang Schramm Übersicht 1 1. Einführung 2. Algrithmen 3. EigenschaCen vn Prgrammiersprachen 4. Algrithmenparadigmen 5. Suchen

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

368 4 Algorithmen und Datenstrukturen

368 4 Algorithmen und Datenstrukturen Kap04.fm Seite 368 Dienstag, 7. September 2010 1:51 13 368 4 Algorithmen und Datenstrukturen Java-Klassen Die ist die Klasse Object, ein Pfeil von Klasse A nach Klasse B bedeutet Bextends A, d.h. B ist

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum lausthal Beispiele Stammbaum Informatik II. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann Informatik - SS 06 Stammbaum Stammbaum / Parse tree, Rekursionsbaum Parse tree, Rekursionsbaum

Mehr

Datenstrukturen und Algorithmen

Datenstrukturen und Algorithmen Datenstrukturen und Algorithmen VO 708.031 Bäume robert.legenstein@igi.tugraz.at 1 Inhalt der Vorlesung 1. Motivation, Einführung, Grundlagen 2. Algorithmische Grundprinzipien 3. Sortierverfahren 4. Halden

Mehr

3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1

3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1 3.2 Binäre Suche Beispiel 6.5.1: Intervallschachtelung (oder binäre Suche) (Hier ist n die Anzahl der Elemente im Feld!) Ein Feld A: array (1..n) of Integer sei gegeben. Das Feld sei sortiert, d.h.: A(i)

Mehr

Suchen und Sortieren

Suchen und Sortieren (Folie 69, Seite 36 im Skript) 5 6 1 4 Als assoziatives Array geeignet Schlüssel aus geordneter Menge Linke Kinder kleiner, rechte Kinder größer als Elternknoten Externe und interne Knoten Externe Knoten

Mehr

Binäre Bäume Darstellung und Traversierung

Binäre Bäume Darstellung und Traversierung Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail fb641378@inf.tu-dresden.de Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.

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

Neue GuideLed Sicherheitsleuchten

Neue GuideLed Sicherheitsleuchten CEAG GuideLed Sicereitsleucten Neue GuideLed Sicereitsleucten Geradliniges Design kombiniert mit oer Wirtscaftlickeit C-C8 C-C GuideLed SL., 2. CG-S Deckeneinbau EN 838 LED * GuideLed SL. CG-S IP GuideLed

Mehr

Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder

Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element

Mehr

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders

Mehr

Einführung in die Informatik: Programmierung und Software-Entwicklung, WS 11/12. Kapitel 13. Bäume. Bäume

Einführung in die Informatik: Programmierung und Software-Entwicklung, WS 11/12. Kapitel 13. Bäume. Bäume 1 Kapitel 13 Ziele 2 Den Begriff des Baums in der Informatik kennenlernen als verkettete Datenstruktur repräsentieren können Rekursive Funktionen auf n verstehen und schreiben können Verschiedene Möglichkeiten

Mehr

Suchen und Sortieren Sortieren. Heaps

Suchen und Sortieren Sortieren. Heaps Suchen und Heaps (Folie 245, Seite 63 im Skript) 3 7 21 10 17 31 49 28 14 35 24 42 38 Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die

Mehr

2 Java: Bäume. 2.1 Implementierung von Bäumen. 2.2 Implementierung eines binären Suchbaums. 2.3 Traversierung von Bäumen

2 Java: Bäume. 2.1 Implementierung von Bäumen. 2.2 Implementierung eines binären Suchbaums. 2.3 Traversierung von Bäumen 2 2 Java: Bäume 2.1 Implementierung von Bäumen 2.2 Implementierung eines binären Suchbaums 2.3 Traversierung von Bäumen 2.4 Implementierung von Heapsort 19 Teil II Java: Bäume Überblick Implementierung

Mehr

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können. 6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente

Mehr

Beispielblatt 2 186.813 VU Algorithmen und Datenstrukturen 1 VU 6.0

Beispielblatt 2 186.813 VU Algorithmen und Datenstrukturen 1 VU 6.0 Beispielblatt 2 186.813 VU Algorithmen und Datenstrukturen 1 VU 6.0 25. September 2013 Aufgabe 1 Gegeben sei ein binärer Suchbaum mit Werten im Bereich von 1 bis 1001. In diesem Baum wird nach der Zahl

Mehr

15 Optimales Kodieren

15 Optimales Kodieren 15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen

Mehr

Numerische Simulation in der Luft- und Raumfahrttechnik

Numerische Simulation in der Luft- und Raumfahrttechnik Numerisce Simulation in der Luft- und Raumfarttecnik Dr. Felix Jägle, Prof. Dr. Claus-Dieter Munz (IAG) Universität Stuttgart Pfaffenwaldring, 70569 Stuttgart Email: felix.jaegle@iag.uni-stuttgart.de Inalt

Mehr

DATENSTRUKTUREN UND ZAHLENSYSTEME

DATENSTRUKTUREN UND ZAHLENSYSTEME DATENSTRUKTUREN UND ZAHLENSYSTEME RALF HINZE Institute of Information and Computing Sciences Utrecht University Email: ralf@cs.uu.nl Homepage: http://www.cs.uu.nl/~ralf/ March, 2001 (Die Folien finden

Mehr

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r ) Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen

Mehr

6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti

6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti 6 Baumstrukturen Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Beispiel: Hierarchisches File System 2

Mehr

Datum Wochen Band DVD Band eingelegt Protokoll kontr. Recovery kontr. Tag Nr. RW Sign. Sign. Sign.

Datum Wochen Band DVD Band eingelegt Protokoll kontr. Recovery kontr. Tag Nr. RW Sign. Sign. Sign. Monat: Januar Anzahl Bänder: 9 01.01.2015 Donnerstag Do DO 02.01.2015 Freitag Fr FR 03.01.2015 Samstag 04.01.2015 Sonntag 05.01.2015 Montag Mo1 MO 06.01.2015 Dienstag Di DI 07.01.2015 Mittwoch Mi MI 08.01.2015

Mehr

Nachtrag zu binären Suchbäumen

Nachtrag zu binären Suchbäumen Nachtrag zu binären Suchbäumen (nicht notwendigerweise zu AVL Bäumen) Löschen 1 3 2 10 4 12 1. Fall: Der zu löschende Knoten ist ein Blatt: einfach löschen 2. Fall: Der zu löschende Knoten hat ein Nachfolgeelement

Mehr

Veranstaltung. Logistik und Materialfluss (Lagerlogistik), Sommersemester 2013

Veranstaltung. Logistik und Materialfluss (Lagerlogistik), Sommersemester 2013 Veranstaltung Logistik und Materialfluss (Lagerlogistik), Sommersemester 203 Übung 4: Tema: Statisce Losgröße Andler Modell Los (lot) : Menge eines Produktes, die one Unterbrecung gefertigt wird. Losgröße(lotsize):

Mehr

Informationen zur Kennzahlenanalyse und Unternehmensbewertung

Informationen zur Kennzahlenanalyse und Unternehmensbewertung Informationen zur Kennzalenanalyse und Unternemensbewertung Liquidität Kennzal Formel Sollwert Kommentar Cas Ratio (Liquiditätsgrad 1) ü 20-30% Widerspiegelt die Bezieung zwiscen Flüssigen Mitteln (inkl

Mehr

Tutorium Algorithmen & Datenstrukturen

Tutorium Algorithmen & Datenstrukturen June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten

Mehr

UML: Einführung. Vorlesung Modellierung Modellierungsmethoden der Informatik. Wintersemester 2011/12. UML und Objekt-Orientierung

UML: Einführung. Vorlesung Modellierung Modellierungsmethoden der Informatik. Wintersemester 2011/12. UML und Objekt-Orientierung UML: Einfürung Vorlesung Modellierung Modellierungsmetoden der Informatik Wintersemester 2011/12 Prof. Barbara König Übungsleitung: Dr. Sander Bruggink UML = Unified Modeling Language Standard-Modellierungssprace

Mehr

Algorithmen und Datenstrukturen SS09

Algorithmen und Datenstrukturen SS09 Foliensatz 8 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 29 TU Ilmenau Seite / 54 Binärbäume TU Ilmenau Seite 2 / 54 Binäre Bäume Bäume und speziell

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner Musterlösung Problem : Average-case-Laufzeit vs Worst-case-Laufzeit pt (a) Folgender Algorithmus löst das Problem der

Mehr

Gegeben Zieladresse, finde Nachbarknoten, an den Paket zu senden ist ("Routing-Tabelle")

Gegeben Zieladresse, finde Nachbarknoten, an den Paket zu senden ist (Routing-Tabelle) 8 Digitalbäume, Tries,, Suffixbäume 8.0 Anwendungen Internet-outer egeben Zieladresse, finde Nachbarknoten, an den Paket zu senden ist ("outing-tabelle") 3 network addr Host id 00 0000 000 0 00 0 0000

Mehr

Branch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir

Branch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir Effiziente Algorithmen Lösen NP-vollständiger Probleme 289 Branch-and-Bound Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir 1.

Mehr

6. Algorithmen der Computer-Geometrie

6. Algorithmen der Computer-Geometrie 6. Algorithmen der Computer-Geometrie 1. Einführung 2. Schnitt von zwei Strecken 3. Punkt-in-Polygon-Test 4. Schnitt orthogonaler Strecken 5. Punkteinschlussproblem Geo-Informationssysteme 146 6.1 Computer-Geometrie

Mehr

3 Implementieren von Bäumen 5 3.1 Feldbäume... 5 3.2 Sequentielle Verfahren... 5 3.3 Dynamische Struktur... 6

3 Implementieren von Bäumen 5 3.1 Feldbäume... 5 3.2 Sequentielle Verfahren... 5 3.3 Dynamische Struktur... 6 Kompaktübersicht Bäume Diese Übersicht entstand im Wintersemester 2003/04 parallel zur Vorlesung Grundzüge der Informatik III an der Technischen Universität Darmstadt (TUD) und soll die behandelten Aspekte

Mehr

Abschnitt: Algorithmendesign und Laufzeitanalyse

Abschnitt: Algorithmendesign und Laufzeitanalyse Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher

Mehr

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg 19.04.2011

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg 19.04.2011 Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei

Mehr

Medienmitteilung Rothenburg, 26. April 2013

Medienmitteilung Rothenburg, 26. April 2013 Pistor AG Medienmitteilung Rotenburg, 26. April 2013 Gescäftsjar 2012 Ausblick 2013 Pistor mit gutem Ergebnis Die Pistor ist gut unterwegs. Im Jar 2012 wurde mit dem Bau des neuen Tiefkülcenters erneut

Mehr

Aufgaben zu den Newtonsche Gesetzen

Aufgaben zu den Newtonsche Gesetzen Aufgaben zu den ewtonce Geetzen. Zwei Maen von = 8 und = ängen an den Enden eine Seil, da über eine fete Rolle it vernacläigbarer Mae gefürt it. a) Wie groß it die Becleunigung de al reibungfrei angenoenen

Mehr

Studienordnung für den Integrativen Bachelorstudiengang Linguistik an der Heinrich-Heine-Universität Düsseldorf vom TT.MM.JJJJ

Studienordnung für den Integrativen Bachelorstudiengang Linguistik an der Heinrich-Heine-Universität Düsseldorf vom TT.MM.JJJJ Studienordnung Integrativer Bacelorstudiengang "Linguistik", Modulbescreibungen 1 Studienordnung für den Integrativen Bacelorstudiengang Linguistik an der Heinric-Heine-Universität Düsseldorf vom TT.MM.JJJJ

Mehr

Codes und Informationsgehalt

Codes und Informationsgehalt Aufgaben 2 Codes und Informationsgehalt Auf wie viele Dezimalziffern genau können vorzeichenlose ganze Zahlen in einem binären Code der Länge 32 bit dargestellt werden? 2 Codes und Informationsgehalt Auf

Mehr

Tutoren Simon Andermatt Lukas Beck. Alexis Peter Thomas Ritter

Tutoren Simon Andermatt Lukas Beck. Alexis Peter Thomas Ritter UNIVERSITÄT BASEL Dozent Prof. Dr. Thomas Vetter Departement Informatik Assistenten Brian Amberg Andreas Forster Tutoren Simon Andermatt Lukas Beck Webseite http://informatik.unibas.ch/lehre/hs10/cs101/index.html

Mehr

Schriftliche Prüfung Schuljahr: 2008/2009 Schulform: Gymnasium. Mathematik

Schriftliche Prüfung Schuljahr: 2008/2009 Schulform: Gymnasium. Mathematik Ministerium für Bildung, Jugend und Sport Prüfungen am Ende der Jargangsstufe 10 Scriftlice Prüfung Sculjar: 2008/2009 Sculform: Matematik Allgemeine Arbeitsinweise Die Prüfungszeit beträgt 160 Minuten.

Mehr

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)

Mehr

Beispiel zu Datenstrukturen

Beispiel zu Datenstrukturen zu Datenstrukturen Passend zum Kurs 01661 Version Juni 2008 Dieter Hoffmann Dipl.-Inform. Diese Kurshilfe zum Kurs Datenstrukuren I (Kursnummer 01661) bei Prof. Dr. Güting (Lehrgebiet Praktische Informatik

Mehr

Überblick. Lineares Suchen

Überblick. Lineares Suchen Komplexität Was ist das? Die Komplexität eines Algorithmus sei hierbei die Abschätzung des Aufwandes seiner Realisierung bzw. Berechnung auf einem Computer. Sie wird daher auch rechnerische Komplexität

Mehr

Formelsammlung. Fachangestellte für Bäderbetriebe Meister für Bäderbetriebe. Inhalt

Formelsammlung. Fachangestellte für Bäderbetriebe Meister für Bäderbetriebe. Inhalt Forelsalung Facangestellte für Bäderbetriebe Meister für Bäderbetriebe Erstellt von Dipl.-Ing. (FH) Wolfgang Hetteric, BVS it Ergänzungen von Dipl.-Ing. (FH) Peter Vltavsky, BS Lindau Inalt llgeeine Mecanik...

Mehr

Planungsunterlage. Heizkreis-SchnellmontageSysteme für bodenstehende. und wandhängende Kessel

Planungsunterlage. Heizkreis-SchnellmontageSysteme für bodenstehende. und wandhängende Kessel Planungsunterlage Heizkreis-ScnellmontageSysteme für bodensteende und wandängende Kessel Ausgabe 04/2002 Inalt Inalt 1 Heizkreis-Scnellmontage-Systeme............................................... 3 1.1

Mehr

Was ist zu tun im Trauerfall?

Was ist zu tun im Trauerfall? Nac dem Tod eines naen Aneörien fülen sic die meisten Hinterbliebenen zunäcst wie elämt. In dieser Zeit ilft neben persönlicem Zuspruc eine klare Strukturierun der ansteenden Aufaben. Als Orientierunsilfe

Mehr

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

Mehr

3. Übung Algorithmen I

3. Übung Algorithmen I Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der

Mehr

Kostenmaße. F3 03/04 p.188/395

Kostenmaße. F3 03/04 p.188/395 Kostenmaße Bei der TM nur ein Kostenmaß: Ein Schritt (Konfigurationsübergang) kostet eine Zeiteinheit; eine Bandzelle kostet eine Platzeinheit. Bei der RAM zwei Kostenmaße: uniformes Kostenmaß: (wie oben);

Mehr

IDENTIFIKATION DER AEROELASTISCHEN EIGENSCHAFTEN DES MOTORSEGLERS STEMME S15 AN HAND VON FLUGVERSUCHDATEN

IDENTIFIKATION DER AEROELASTISCHEN EIGENSCHAFTEN DES MOTORSEGLERS STEMME S15 AN HAND VON FLUGVERSUCHDATEN Deutscer Luft- und Raumfartkongress 013 DocumentID: 30147 IDENTIFIKATION DER AEROELASTISCHEN EIGENSCHAFTEN DES MOTORSEGLERS STEMME S15 AN HAND VON FLUGVERSUCHDATEN Alexander Köte Tecnisce Universität Berlin,

Mehr

Nenne verschiedene Energieformen. Nenne zu einem Beispiel aus deiner Umgebung, welche Energieformen ineinander umgewandelt werden.

Nenne verschiedene Energieformen. Nenne zu einem Beispiel aus deiner Umgebung, welche Energieformen ineinander umgewandelt werden. Grundwissenskatalog zu Pysik 8.Jargangsstufe, Seite von 5 Carl-Friedric Gauß Gymnasium Scwandorf Stand: Sept. 0 Wissen Können Beispiele, Ergänzungen Energie Energie kann in versciedenen Formen vorkommen.

Mehr

Suchen und Sortieren (Die klassischen Algorithmen)

Suchen und Sortieren (Die klassischen Algorithmen) Suchen und Sortieren (Die klassischen Algorithmen) Lineare Suche und Binäre Suche (Vorbedingung und Komplexität) Sortieralgorithmen (allgemein) Direkte Sortierverfahren (einfach aber langsam) Schnelle

Mehr

CLRS benutzt eine etwas andere Definition:

CLRS benutzt eine etwas andere Definition: Bemerkungen LRS benutzt eine etwas andere Definition: Für einen B-Baum vom rad t gilt: - jeder Knoten, außer der Wurzel, hat mindestens t- Schlüssel, also mindestens t Kinder - jeder Knoten besitzt höchstens

Mehr

Binäre lineare Optimierung mit K*BMDs p.1/42

Binäre lineare Optimierung mit K*BMDs p.1/42 Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre

Mehr

Mechanik 1.Gleichförmige Bewegung 1

Mechanik 1.Gleichförmige Bewegung 1 Mecanik 1.Gleicförige Bewegung 1 1. Geradlinige, gleicförige Bewegung (Bewegung it kontanter Gecwindigkeit) Zeit: 1 Unterricttunde 45 Minuten 2700 Sekunden 1 Sculjar entält etwa 34 Doppeltunden 68 Unterricttunden

Mehr

Kapitel 5: Dynamisches Programmieren Gliederung

Kapitel 5: Dynamisches Programmieren Gliederung Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen

Mehr

Priority search queues: Loser trees

Priority search queues: Loser trees Priority search queues: Loser trees Advanced Algorithms & Data Structures Lecture Theme 06 Tobias Lauer Summer Semester 2006 Recap Begriffe: Pennant, Top node Linien gestrichelt vs. durchgezogen Intro

Mehr

Übung 9. Quellcode Strukturieren Rekursive Datenstrukturen Uebung 9

Übung 9. Quellcode Strukturieren Rekursive Datenstrukturen Uebung 9 Informatik I 2 Übung 9 Quellcode Strukturieren Rekursive Datenstrukturen Uebung 9 Quellcode Strukturieren Wenn alle Funktionen in einer Datei zusammengefasst sind wird es schnell unübersichtlich Mehrere

Mehr

Programmiertechnik II

Programmiertechnik II Analyse von Algorithmen Algorithmenentwurf Algorithmen sind oft Teil einer größeren Anwendung operieren auf Daten der Anwendung, sollen aber unabhängig von konkreten Typen sein Darstellung der Algorithmen

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Über die Diskretisierung und Regularisierung schlecht gestellter Probleme

Über die Diskretisierung und Regularisierung schlecht gestellter Probleme Über die Diskretisierung und Regularisierung sclect gestellter Probleme von Dipl. Mat. Robert Plato Vom Facbereic Matematik der Tecniscen Universität Berlin genemigte Dissertation zur Erlangung des akademiscen

Mehr

Einführung in (Binäre) Bäume

Einführung in (Binäre) Bäume edeutung und Ziele inführung in (inäre) äume Marc Rennhard http://www.tik.ee.ethz.ch/~rennhard rennhard@tik.ee.ethz.ch äume gehören ganz allgemein zu den wichtigsten in der Informatik auftretenden atenstrukturen,

Mehr

Grundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen -

Grundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen - Grundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen - 5) Suchverfahren Prof. Dr. Anja Schanzenberger FH Augsburg, Fakultät für Informatik Kontakt: anja.schanzenberger@hs-augsburg.de http://www.hs-augsburg.de/schanzenberger

Mehr

13 Rekonfigurierende binäre Suchbäume

13 Rekonfigurierende binäre Suchbäume 13 Rekonfigurierende inäre Suchäume U.-P. Schroeder, Uni Pderorn inäräume, die zufällig erzeugt wurden, weisen für die wesentlichen Opertionen Suchen, Einfügen und Löschen einen logrithmischen ufwnd uf.

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens 1 Organisatorisches Freitag, 05. Mai 2006: keine Vorlesung! aber Praktikum von 08.00 11.30 Uhr (Gruppen E, F, G, H; Vortestat für Prototyp)

Mehr

Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung

Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung Algorithmen für Peer-to-Peer-Netzwerke Sommersemester 2004 04.06.2004 7. Vorlesung 1 Kapitel III Skalierbare Peer to Peer-Netzwerke Tapestry von Zhao, Kubiatowicz und Joseph (2001) Netzw erke 2 Tapestry

Mehr