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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 Grundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen - 5) Suchverfahren Prof. Dr. Anja Schanzenberger FH Augsburg, Fakultät für Informatik Kontakt: Sommer Semester 2008 (Stand: ) Studiengang Bachelor Informatik (Ibac2), Hochschule Augsburg, 2008 Die vorliegenden Unterlagen zur Vorlesung GdI Teil 2 dürfen nur verwendet werden für Studienzwecke durch Studierende der FH Augsburg.

2 Gliederung 1. Symboltabellen 1. Abstrakter Datentyp für Symboltabellen 2. Schlüsselindizierte Suche 3. Sequenzielle Suche 4. Binäre Suche 2. Binäre Suchbäume 3. Ausgeglichene Bäume 1. AVL-Bäume 2. Randomisierte binäre Suchbäume 3. Splay binäre Suchbäume 4. Top-Down Bäume 5. Rot-Schwarz Bäume 6. Skiplisten 7. B-Bäume 8. B*/B Bäume 9. Amerikanische B*-Bäume 2

3 Lernziel Welche Möglichkeiten kennen Sie doppelte Schlüssel in einer Symboltabelle zu halten und wann würden Sie die Verwendung einer Möglichkeit empfehlen? Warum führt man Rotationen in binären Suchbäumen aus und welche Arten davon haben Sie kennen gelernt? Warum benötigt man bei rot-schwarz Bäumen eine Transformation von 4er-Knoten, wobei es in diesen Bäumen nur 2-er Knoten gibt? 3

4 1. Symboltabellen (1) Suchen bezeichnet man als das Abrufen bestimmter Informationseinheiten aus größeren vorher gespeicherten Datenbeständen Verfahren zum Suchen in Dateien (Files) die Elemente (Items) enthalten Elemente enthalten Schlüssel (Keys) und Informationen (Values, Data, Datensätze,...) Ziele der Suche: Elemente finden, die mit dem gegebenen Suchschlüssel übereinstimmen Ergebnis ist normalerweise die Information die zu einem gefundenem Schlüssel gespeichert ist 4

5 1. Symboltabellen (2) Eine Symboltabelle ist eine Datenstruktur von Elementen mit Schlüsseln, die zwei grundsätzliche Operationen unterstützen: Insert: Einfügen eines neuen Elements Search: Zurückgeben eines Elements mit einem gegebenen Schlüssel Andere Bezeichnung: Dictionary ( de: Wörterbuch) Weitere wichtige Operationen: Remove: Elemente entfernen Change: Elemente ändern Select: Auswählen des k-größten Elements Sort: Sortieren der Symboltabelle (Elemente in Reihenfolge der Schlüssel anzeigen) Join: Zwei Symboltabellen zu einer zusammenfassen Standard: Konstruieren, Testen ob leer, Zerstören, Kopieren 5

6 1.1 ADT für Symboltabellen (1) ADT für Elemente Implementierung Item.cxx #include <iostream.h> #include <stdlib.h> static int maxkey=1000; typedef int Key; class Item { private: Key keyval; float info; public: Item() { keyval = maxkey;} Key key() { return keyval;} }; int null() { return keyval == maxkey; } void rand() { keyval=1000*::rand()/rand_max; info=1.0*rand()/rand_max; } int scan (istream& is = cin) { return (is>>keyval>>info)!=0; } void show (ostream& os = cout) { os<<keyval<< <<info<<endl;} ostream& operator<<(ostream& os, Item& x) { x.show(os); return os; 6

7 1.1 ADT für Symboltabellen (2) ADT für Symboltabellen Schnittstelle ST.cxx template <class Item, class Key> class ST { private: //Implementierungsabhaengiger Code public: ST(int); int count(); //Elemente zaehlen Item search(key); void insert (Item); void remove (Item); Item select(int); //k-kleinstes Element auswaehlen void show(ostream&); }; 7

8 1.1 ADT für Symboltabellen (3) Möglichkeiten mit doppelten Schlüsseln (=mehrere Suchtreffer) Abweisen doppelter Schlüssel Primäre Datenstruktur verwenden In einer Datenstruktur auch die doppelten Schlüssel speichern Bei Suche: Rückgabe einer Liste von Elementen Primäre Datenstruktur verwenden und Kennzeichner In einer Datenstruktur auch die doppelten Schlüssel speichern Bei Suche: Suche nach gegebenem Schlüssel und Kennzeichner. Rückgabe einer Liste von Elementen Primäre und sekundäre Datenstruktur verwenden In primärer Datenstruktur nur erstes Vorkommen eines mehrfach vorkommenden Elements speichern In sekundärer Datenstruktur zu einem Schlüssel alle weiteren Elemente speichern Vorteil: Alle Elemente lassen sich mit nur einem Such-Aufruf zurückgeben und mit nur einem Entfernen-Aufruf entfernen 8

9 1.1 ADT für Symboltabellen (4) Symboltabellen Clientprogramm Suche von zufällig generierten oder von stdin eingelesenen eindeutigen Schlüsseln Clientprogramm #include <iostream.h> #include <stdlib.h> #include Item.cxx #include ST.cxx int main (int argc, char *argv[]) { int N, maxn = atoi(argv[1]); sw = atoi(argv[2]); ST<Item,Key> st(maxn); for (N=0; N<maxN; N++) { Item v; if (sw) v.rand(); else if (!v.scan()) break; if (!(st.search(v.key())).null()) continue; st.insert(v); } } st.show(cout); cout <<endl; cout <<N<< Key <<endl; cout<<st.count()<< eindeutige Schlüssel <<endl; Zufällige Keys oder von stdin eingelesen Durch search feststellen of Key schon vorhanden ist; Falls nicht dann insert 9

10 1.1 ADT für Symboltabellen (5) Leistungsdaten Suchen, Einfügen, Entfernen und Auswählen für zufällige Schlüssel: T avg log n Weitere berühmte Operationen für Symboltabellen: Fingersuche: Neue Suche beginnt an Punkt an dem alte Suche aufgehört hat Bereichssuche: Alle Knoten innerhalb eines Intervalls zählen oder anzeigen Suche des nächsten Nachbarn: Elemente mit Schlüsseln suchen die einem gegebenen Schlüssel am nächsten liegen 10

11 1.2 Schlüsselindizierte Suche (1) Eigenschaften Schlüsselwerte sollten eindeutige, kleine Zahlen sein Elemente werden in einem Array gespeichert Array wird durch die Schlüssel indiziert Ergebnis: Schlüsselindizierte arraybasierte Symboltabelle Initialisieren: Operator new[] initialisiert alle Einträge mit nullitem 11

12 1.2 Schlüsselindizierte Suche (2) Eigenschaften Einfügen: fügt Element mit Schlüsselwert k ein, indem es dies in st[k] speichert Suchen: Sucht nach Element mit Schlüsselwert k, indem es den Wert aus st[k] zurückgibt Entfernen: Element mit Schlüsselwert k wird entfernt, indem nullitem in st[k] geschrieben wird Auswählen, Sortieren, Zählen: Lineares Durchsuchen des Arrays, wobei Nullelemente übersprungen werden 12

13 1.2 Schlüsselindizierte Suche (3) Schlüsselindizierte arraybasierte Symboltabelle Schlüssel mit pos. Ganzzahlen kleiner als Markierungsschlüssel M Schnittstellenimplementierung ST.cxx void insert (Item x) { template <class Item, class Key> class ST { private: Item nullitem, *st; int M; public: ST(int maxn) { M=nullItem.key(); st= new Item[M]; } int count() { //Elemente zaehlen int N=0; for (int i=0; i<m; i++) if (!st[i].null()) N++; return N; } Item search(key v) { return st[v]; } } st[x.key()] = x; } void remove (Item) { st[x.key()]=nullitem; } Item select(int k) { for (int i=0; i<m; i++) if (!st[i].null()) if (k--==0) return st[i]; return nullitem; } void show(ostream& os) { for (int i=0; i<m; i++) if (!st[i].null() st[i].show(os); } 13

14 1.2 Schlüsselindizierte Suche (4) Leistungsdaten Schlüsselwerte: 0 bis M-1 Anzahl Elemente: N Bedingung für die Schlüssel: N<=M Wenn M groß ist, müssen die Kosten für den erforderlichen Speicherplatz berücksichtigt werden Wenn N << M, dann sind die Kosten für die Zeit die der ST- Konstruktor benötigt, zu berücksichtigen Suchen und Einfügen lassen sich kaum effizienter implementieren Suchen, Einfügen und Entfernen: Benötigen konstante Laufzeit: O(c) Initialisieren, Auswählen und Sortieren: Laufzeit wächst proportional zu M, wenn eine der Operationen auf eine Tabelle mit N Elementen ausgeführt wird: O(n) 14

15 1.3 Sequenzielle Suche (1) Eigenschaften Schlüsselwerte umfassen großen Zahlenbereich Elemente werden in einem Array gespeichert Elemente werden sortiert und hintereinander im Array gespeichert Einfügen: Verschieben der größeren Elemente um eine Position nach hinten (Sortieren durch Einfügen) Suche: Sequenzielles Durchlaufen des Arrays; Suchfehler kann festgestellt werden sobald Schlüssel gefunden wird der größer wie der Suchschlüssel ist 15

16 1.3 Sequenzielle Suche (2) Arraybasierte Symboltabelle (geordnet) Schnittstellenimplementierung ST.cxx Item search(key v) { template <class Item, class Key> class ST { private: Item nullitem, *st; int N; public: ST(int maxn) { st=new Item[maxN+1]; N=0; } int count() { return N; } } for (int i=0; i<n; i++) if (!(st[i].key() < v)) break; if (v == st[i].key()) return st[i]; return nullitem; } void insert (Item x) { int i=n++; Key v=x.key(); while (i>0 && v<st[i-1].key()) { st[i]=st[i-1]; i++; } st[i]=x; } Item select(int k) { return st[k]; } void show(ostream& os) { int i=0; while (i<n) st[i++].show(os); } 16

17 1.3 Sequenzielle Suche (3) Alternativen Geordnetes Array Neues Element einsortieren Einfügen: Langsamer durch verschieben größerer Elemente Suchen: sequentiell Durchsuchen bis Schlüssel gefunden oder Schlüssel größer sind Ungeordnet Array Neues Element am Ende anhängen Einfügen: sehr schnell Suchen: sequentiell Durchsuchen bis Ende Auswählen und Sortieren laufen langsamer Entfernen: Element suchen, letztes Element im Array an die Position verschieben, Größe des Arrays dekrementieren 17

18 1.3 Sequenzielle Suche (4) Auf verketteter Liste basierende Symboltabelle (ungeordnet) Schnittstellenimplementierung ST.cxx Item searchr(link t; Key v) { #include <stdlib.h> if (t==0) return nullitem; template <class Item, class Key> if (t->item.key() == v) class ST { return t->item; private: return searchr(t->next,v); Item nullitem; } struct node { public: Item item; node *next; ST(int maxn) { node(item x, node *t) { head=0; N=0; } item=x; next=t; } int count() { }; return N; } typdef node *link; Item search(key v) { int N; return searchr(head,v); } link head; void insert (Item x) { head=new node(x,head); N++; } }; 18

19 1.3 Sequenzielle Suche (5) Alternativen Array Maximale Größe des Arrays muss im Voraus bekannt sein Geordnet und Ungeordnet möglich Verkettete Liste Maximale Größe der verketteten Liste muss nicht im Voraus bekannt sein Geordnet und Ungeordnet möglich Benötigt zusätzlichen Speicherplatz für die Verbindungen Auswählen (Select) ist nicht effizient implementierbar Effizientes Verknüpfen und Entfernen 19

20 1.3 Sequentielle Suche (6) Leistungsdaten Ungünstigster Fall Durchschnittlicher Fall Auswählen Einfügen Suche n Einfügen Suchtreffer Suchfehler Schlüsselindiziertes Array 1 1 M Geordnetes Array N N 1 N/2 N/2 N/2 Geordnete verkettete Liste N N N N/2 N/2 N/2 Ungeordnetes Array 1 N N lg N 1 N/2 N Ungeordnete verkettete Liste 1 N N lg N 1 N/2 N 20

21 1.4 Binäre Suche (1) Eigenschaften Teile-und-herrsche Verfahren Menge der Elemente wird in zwei Teile zerlegt Bestimmt wird zu welcher Menge der Suchschlüssel gehört; dann wird mit diesem Teil weiter gearbeitet Elemente sind sortiert Es werden Indizes auf das sortierte Array verwendet, um den Teil des Arrays einzugrenzen, mit dem weiter gearbeitet wird Es gibt rekursive und nicht-rekursive Variante (siehe Einführungskapitel 1) 21

22 1.4 Binäre Suche (2) Binäre Suche für arraybasierte Symboltabelle Kein Stack erforderlich, weil die rekursive Funktion in einem rekursiven Aufruf endet Teil der Schnittstellenimplementierung ST.cxx private: Item searchr (int l, int r, Key v) { if (l>r) return nullitem; int m=(l+r)/2; if (v==st[m].key()) return st[m]; if (l==r) return nullitem; if (v<st[m].key()) return searchr(l,m-1,v); else return searchr(m+1,r,v); } public: Item search(key v) { return searchr(0,n-1,v); } 22

23 1.4 Binäre Suche (3) Beispiele Gesucht: Wieviele Iterationen werden bei 200 Elementen benötigt? 7 Iterationen: 200, 99, 49, 24, 11, 5, 2, 1 Jede Iteration ist etwas kleiner als die Hälfte der vorhergehenden 23

24 1.4 Binäre Suche (4) Leistungsdaten Ungünstigster Fall Durchschnittlicher Fall Auswählen Einfügen Suche n Einfügen Suchtreffer Suchfehler Binäre Suche N lg N 1 N/2 lg N Lg N 24

25 2. Binäre Suchbäume (1) Eigenschaften Löst das Problem das Einfügeoperationen teuer sind Symboltabelle wird auf expliziter Baumstruktur aufgebaut Schnelle Operationen Suchen, Einfügen, Auswählen und Sortieren möglich Gutes Verfahren das zu den elementarsten Algorithmen in der Informatik zählt Ein binärer Suchbaum (engl. BST: binary search tree) ist ein Binärbaum, bei dem jeder interne Knoten mit einem Schlüssel verbunden ist Ein Schlüssel in einem beliebigen Knoten ist größer (oder >=) als alle Schlüssel in Knoten aus seinem linken Teilbaum, und kleiner (oder <=) alle Schlüssel in Knoten aus seinem rechten Teilbaum 25

26 2. Binäre Suchbäume (2) Auf binärem Suchbaum basierende Symboltabelle Search und Insert rufen die privaten rekursiven Funktionen auf Head zeigt auf die Wurzel im Baum Schnittstellenimplementierung ST.cxx template <class Item, class Key> class ST { private: struct node { Item item; node *l, *r; node (Itemx) { item=x; l=0; r=0; } }; typedef node *link; link head; Item nullitem; Item searchr(link h, Key v) { if (h==0) return nullitem; Key t= h->item.key(); if (v==t) return h->item; if (v<t) return searchr(h->l, v); else return searchr(h->r, v); } void insertr(link& h, Item x) { if (h==0) {h=new node(x); return; } if (x.key() < h->item.key()) insertr(h->l, x); else insertr(h->r, x); } 26

27 2. Binäre Suchbäume (3) Auf binärem Suchbaum basierende Symboltabelle }; Schnittstellenimplementierung ST.cxx public: ST(int maxn) {head=0; } Item search(key v) { return searchr (head, v); } void insert(item x) { insertr (head, x); } Die Suchoperation stoppt wenn entweder ein Element mit dem Suchschlüssel gefunden ist (Suchtreffer) oder der aktuelle Teilbaum leer ist (Suchfehler) 27

28 2. Binäre Suchbäume (4) Beispiel Erfolgreiche Suche nach Schlüssel

29 2. Binäre Suchbäume (5) Beispiel Erfolglose Suche nach Schlüssel

30 2. Binäre Suchbäume (6) Beispiel Einfügen von Schlüssel 13 (links von 14)

31 2. Binäre Suchbäume (7) Konstruktion eines binären Suchbaums Sequenz: 1, 19, 5, 18, 3, 8, 9, 14, 7, 25, 13, 16,

32 2. Binäre Suchbäume (8) Konstruktion eines binären Suchbaums Sequenz: 1, 19, 5, 18, 3, 8, 9, 14, 7, 25, 13, 16,

33 2. Binäre Suchbäume (9) Konstruktion eines binären Suchbaums Sequenz: 1, 19, 5, 18, 3, 8, 9, 14, 7, 25, 13, 16,

34 2. Binäre Suchbäume (10) Sortieren mit binärem Suchbaum Elemente in Reihenfolge ihrer Schlüssel anzeigen Traversieren in Inorder-Reihenfolge genügt in diesem Fall Elemente im linken Teilbaum (rekursiv) ausgeben Dann die Wurzel Anschließend die Elemente im rechten Teilbaum (rekursiv) ausgeben private: void showr (link h, ostream&os) { if (h==0) return; showr(h->l, os); h->item.show(os); showr(h->r.os); } public: void show (ostream&os) { showr(head, os); } 34

35 2. Binäre Suchbäume (11) Einfügen in binären Suchbaum (nicht-rekursiv) Suchfehler finden, worauf die leere Verbindung durch einen Zeiger auf den neuen Knoten ersetzt wird Vorgänger p des aktuellen Knoten k festhalten Unten angelangt zeigt p auf den Knoten, dessen Verbindung auf den neuen Knoten zeigen muss void insert (Item x ) { Key v=x.key(); if (head==0) {head=new node(x); return;} link p=head; for (link q=p; q!=0; p=q?q:p) q=(v<q->item.key())? q->l : q->r; if (v < p->item.key()) p->l = new node(x); else p->r = new node(x); } 35

36 2. Binäre Suchbäume (12) Leistungsdaten Laufzeiten von Algorithmen auf binäre Suchbäume sind von der Gestalt der Bäume abhängig Bester Fall: Baum vollständig ausgeglichen mit ld N Knoten zwischen Wurzel und jedem externen Knoten Ungünstigster Fall: N Knoten in jedem Suchpfad; Baumhöhe bestimmt die Kosten einer Suche Durchschnittlicher Fall: logarithmische Suchzeit Ungünstigster Fall Durchschnittlicher Fall Auswählen Einfügen Suche n Einfügen Suchtreffer Suchfehler Binäre Suchbaum N N N Lg N lg N Lg N 36

37 2. Binäre Suchbäume (13) Beispiel: binärer Suchbaum Einfügen von ca. 200 zufällige Schlüsseln in einen anfangs leeren Baum Gut ausgeglichen und wächst eher in die Breite als in die Höhe Keine Suche benötigt mehr als 12 Vergleiche Die durchschnittlichen Kosten für einen Suchtreffer betragen ungefähr 10 37

38 2. Binäre Suchbäume (14) Beispiele für ungünstige Fälle Schlüssel treffen in aufsteigender Reihenfolge ein - Binärer Suchbaum ist nicht gut ausgeglichen - Binärer Suchbaum entartet zu einfach verketteter Liste - quadratische Konstruktionszeit - lineare Suchzeit zufällig geordnete Schlüssel - Binärer Suchbaum ist dennoch nicht gut ausgeglichen 38

39 2. Binäre Suchbäume (15) Indeximplementierungen Eigenschaften Arraygröße muss im Voraus bekannt sein Genug Speicherplatz muss vorhanden sein Index: Eine zu den Elementen externe Suchstruktur, die schnellen Zugriff auf Elemente mit einem gegebenen Suchschlüssel bietet Drei Arrays: Elemente, die linken Verbindungen und die rechten Verbindungen Die Verbindungen sind Arrayindizes (Ganzzahlen) Verbindungsreferenzen wie x=x->l durch x=l[x] ersetzen Anwendung Schlüsselwortsuche in einem Textstring 39

40 2. Binäre Suchbäume (16) Beispiel 0 call me ishmael some... 5 me ishmael some year... 8 ishmael some year a some years ago never years ago never mind ago never mind how l never mind how long mind how long precis how long precisely h long precisely having precisely having lit call me never mind Suche: Ist never mind enthalten? - Stringschlüssel auf Beginn jedes Wortes (=Stringindex) - Erstellung des binären Suchbaums - Zugriff über Stringindex some 21 40

41 2. Binäre Suchbäume (17) Client für das Indizieren eines Textstrings mit binärem Suchbaum Item.cxx: char* für Stringschlüssel in Elementen überladener Operator< verwendet strcmp überladener Operator== verwendet strcmp Umwandlungsoperator von Item nach char* 41

42 2. Binäre Suchbäume (18) Client für das Indizieren eines Textstrings #include <iostream.h> #include <fstream.h> #include Item.cxx #include ST.cxx static char text[maxn]; int main (int argc, char *argv[]) { int N=0; char t; ifstream corpus; corpus.open(*++argv); while (N<maxN && corpus.get(t)) text[n++]=t; text[n]=0; ST<Item, Key> st(maxn); for (int i=0; i<n; i++) st.insert(&text[i]); char query[maxq]; Item x, v(query); while (cin.getline(query, maxq)) if ((x=st.search(v.key()).null()) cout << nicht gefunden: << query << endl; else cout <<x->text << : << query << endl; Prof. } Dr. A. Schanzenberger 42

43 2. Binäre Suchbäume (19) Leistungsdaten Suche: 2N ln N Vergleiche Bedeutung: Nachdem der Index erstellt ist kann man in ca. 1 Million Zeichen mit 30 Stringvergleichen jede Phrase im Text finden (z.b. Buch von Moby Dick) 43

44 2. Binäre Suchbäume (20) Leistungsdaten Empirische Ergebnisse für Implementierungen von Symboltabellen 44

45 2. Binäre Suchbäume (21) Einfügen an der Wurzel im binären Suchbaum Standardimplementierung war: Neu eingefügter Knoten ersetzt einen externen Knoten (unterste Baumebene) Alternative: Einfügen eines neuen Knoten an der Wurzel Zuletzt eingefügte Knoten befinden sich an der Spitze des Baums Zwei mögliche Fälle: Einzufügender Schlüssel ist... größer als Schlüssel an der Wurzel Einzufügender Schlüssel ist neuer Wurzelknoten Die alte Wurzel als linken Teilbaum nehmen Den rechten Teilbaum der alten Wurzel als rechten Teilbaum nehmen Problem: Rechter Teilbaum kann kleinere Schlüssel enthalten, so dass etwas mehr getan werden muss um das Einfügen abzuschließen kleiner als Schlüssel an der Wurzel Einzufügender Schlüssel ist neuer Wurzelknoten Die alte Wurzel als rechten Teilbaum nehmen Den linken Teilbaum der alten Wurzel als linken Teilbaum nehmen Problem: Linker Teilbaum kann größere Schlüssel enthalten, so dass etwas mehr getan werden muss um das Einfügen abzuschließen 45

46 2. Binäre Suchbäume (22) Einfügen an der Wurzel im binären Suchbaum Rotation Rolle der Wurzel und eines der Nachfolger der Wurzel in einem Baum vertauschen Die Ordnung des binären Suchbaums zwischen den Schlüsseln in den Knoten bleibt bewahrt Rechtsrotation: Wirkt auf die Wurzel und den linken Nachfolger Die Rotation bringt die Wurzel nach rechts und kehrt damit die Richtung der linken Verbindungen in der Wurzel um Linksrotation: Wirkt auf die Wurzel und den rechten Nachfolger Die Rotation bringt die Wurzel nach links und kehrt damit die Richtung der rechten Verbindungen in der Wurzel um 46

47 2. Binäre Suchbäume (23) Einfügen an der Wurzel im binären Suchbaum Rechtsrotation Restbaum bleibt unverändert Rotation um Knoten 19: 19 geht nach unten und wird rechter Nachfolger seines vorherigen linken Nachfolgers Vorgehen: -Verbindung zur neuen Wurzel 5 von der linken Verbindung von 19 holen - Die linke Verbindung von 19 durch Kopieren der rechten Verbindung von 5 setzen - Die rechte Verbindung von 5 auf 19 setzen - Die rechte Verbindung von 1 nicht mehr auf 19 sondern auf 5 setzen 47

48 2. Binäre Suchbäume (24) Einfügen an der Wurzel im binären Suchbaum Linkssrotation Restbaum bleibt unverändert Rotation um Knoten 1: 1 geht nach unten und wird linker Nachfolger seines vorherigen rechten Nachfolgers Vorgehen: -Verbindung zur neuen Wurzel 5 von der rechten Verbindung von 1 holen - Die rechte Verbindung von 1 durch Kopieren der linken Verbindung von 5 setzen - Die linke Verbindung von 5 auf 1 setzen - Die Kopfverbindung des Baums nicht mehr auf 1 sondern auf 5 zeigen lassen 48

49 2. Binäre Suchbäume (25) Einfügen an der Wurzel im binären Suchbaum Eigenschaften von Rotationen Lokale Änderung Beteiligt sind drei Verbindungen und zwei Knoten Knoten können im Baum verschoben werden ohne die globale Ordnung anzutasten Grund für Rotationen: Ausgeglichenheit von Bäumen aufrechterhalten 49

50 2. Binäre Suchbäume (26) Einfügen an der Wurzel im binären Suchbaum Implementierung von Rotationen im binären Suchbaum Rechtsrotation Macht die Wurzel zum rechten Teilbaum der neuen Wurzel void rotationr (link& h) { link x=h->l; h->l = x->r; x->r = h; h=x; } Linksrotation Macht die Wurzel zum linken Teilbaum der neuen Wurzel void rotationl (link& h) { link x=h->r; h->r = x->l; x->l = h; h=x; } 50

51 2. Binäre Suchbäume (27) Einfügen an der Wurzel im binären Suchbaum Konstruktion eines binären Suchbaums durch Einfügen an einem Blatt und rotieren bis zur Wurzel Einfügen von

52 2. Binäre Suchbäume (28) Einfügen an der Wurzel im binären Suchbaum Konstruktion eines binären Suchbaums durch Einfügen an einem Blatt und rotieren bis zur Wurzel Einfügen von

53 2. Binäre Suchbäume (29) Einfügen an der Wurzel im binären Suchbaum Implementierung der Konstruktion eines binären Suchbaums durch Einfügen an einem Blatt und rotieren bis zur Wurzel Einfügen eines neuen Elements an einem Blatt im geeigneten Teilbaum Durchführen der passenden (rekursiven) Rotation, um es zur Wurzel zu bringen private: void insertt (link& h, Item x) { if (h==0) { h=new node(x); return; } if (x.key() < h->item.key()) {insertt (h->l,x); rotationr(h); } else { insertt (h->r,x); rotationl(h);} } public: void insert (Item item) { insertt (head, item); } 53

54 2. Binäre Suchbäume (30) Einfügen an der Wurzel im binären Suchbaum Konstruktion eines binären Suchbaums durch Einfügen an der Wurzel Sequenz: 1, 19, 5, 18, 3, 8,

55 2. Binäre Suchbäume (31) Einfügen an der Wurzel im binären Suchbaum Konstruktion eines binären Suchbaums durch Einfügen an der Wurzel Einsatz in der Praxis: Verfahren hat den Vorteil, dass sich zuletzt eingefügte Schlüssel in der Nähe der Spitze befinden Kosten sind bei zuletzt eingefügten Schlüsseln eher geringer als bei Standardverfahren Oft bezieht sich ein großer Prozentsatz der Suchen auf Elemente die zuletzt eingefügt wurden Beispiel: Transaktionsverarbeitung bei dem aktive Transaktionen in der Nähe der Spitze bleiben 55

56 2. Binäre Suchbäume (32) Implementation anderer Funktionen: Auswählen Element mit k-kleinsten Schlüssel finden Für jeden Knoten muss die Teilbaumgröße mit gespeichert werden Anzahl Knoten im linken Teilbaum prüfen k Knoten enthalten: Wurzelelement zurückgeben Mehr wie k Knoten enthalten: rekursiv im linken Teilbaum prüfen Sonst: linker Teilbaum enthält t Elemente mit t<k. Das k-kleinste Element ist das (k-t-1)-kleinste Element im rechten Teilbaum private: Item selectr (link &h, int k) { if (h==0) return nullitem; int t = (h->l == 0)? 0: h->l->n; if (t>k) return selectr(h->l, k); if (t<k) return selectr(h->r, k-t-1); return h->item; } public: Item select (int k) { return selectr (head,k); } 56

57 2. Binäre Suchbäume (33) Implementation anderer Funktionen: Zerlegen Durch Zerlegen Element mit k-kleinsten Schlüssel finden Auswählen in Operation Zerlegen ändern Baum neu anordnen, um das k-kleinste Element zur Wurzel zu bringen Nach den rekursiven Aufrufen eine Rotation hinzufügen (siehe Beispiel wie bei: Konstruktion eines binären Suchbaums durch Einfügen an einem Blatt und rotieren bis zur Wurzel) private: Item partr (link& h, int k) { int t = (h->l == 0)? 0: h->l->n; if (t>k) {partr(h->l, k); rotationr(h); } if (t<k) {partr(h->r, k-t-1); rotationl(h); } } 57

58 2. Binäre Suchbäume (34) Implementation anderer Funktionen: Entfernen 1 Entfernen der Wurzel Linke Verbindung muss leer sein Kleinstes Element im rechten Teilbaum

59 2. Binäre Suchbäume (35) Implementation anderer Funktionen: Entfernen Entfernen der Wurzel Ansatz ist asymmetrisch und ad-hoc Warum muss kleinster Schlüssel im zweiten Baum genommen werden? Alternativen Größten Schlüssel im ersten Baum nehmen Falls der zu entfernende Konten eine linke Nullverbindung enthält kann man ihn zum rechten Nachfolger der neuen Wurzel machen Alle diese Verfahren sind subobtimal da... Zurückbleibender Baum ist nicht mehr zufällig auch wenn er vorher zufällig war Es bleiben unausgeglichene Bäume zurück (mit durchschnittlicher Höhe von der Wurzel aus N) 59

60 2. Binäre Suchbäume (36) Implementation anderer Funktionen: Entfernen Entfernen eines Knotens 1: Entfernen von 8 7 2: Entfernen von Knoten wird einfach entfernt, da unterste Ebene wird durch 25 ersetzt, da der linke Nachfolger von 25 leer ist 8 60

61 2. Binäre Suchbäume (37) Implementation anderer Funktionen: Entfernen Entfernen eines Knoten 3: Entfernen von Knoten 18 hat linken Nachfolger, also wird Knoten 7 durch seinen Nachfolger Knoten 8 im Baum ersetzt

62 2. Binäre Suchbäume (38) Implementation anderer Funktionen: Entfernen Implementierung von Entfernen eines Knoten Methode entfernt den ersten Knoten mit Schlüssel v der gefunden wird Baum wird von oben nach unten durchgearbeitet rekursive Aufrufen für die Teilbäume bis sich der zu entfernende Knoten an der Wurzel befindet Knoten wird dann ersetzt durch Zusammenfügen beider Teilbäume Kleinster Knoten im rechten Teilbaum wird neue Wurzel und dessen linke Verbindung wird auf den linken Teilbaum gesetzt 62

63 2. Binäre Suchbäume (39) Implementation anderer Funktionen: Entfernen Implementierung von Entfernen eines Knoten private: link joinlr (link a, link b) { if (b==0) return a; partr (b, 0); b->l = a; return b; } void remover (link& h, Key v) { if (h==0) return; Key w = h->item.key(); if (v<w) remover(h->l, v); if (v>w) remover(h->r, v); if (v==w) { link t=h; h=joinlr(h->l, h->r); delete t; } } public: void remove (Item x) { remover (head, x.key()); } Es ist typisch für Suchalgorithmen, dass sie beträchtlich kompliziertere Implementierungen für das Entfernen als für das Suchen erfordern Abhilfemöglichkeiten: - Knoten zum Löschen nur markieren (lazy Ansatz) - Baum ab und zu neu aufbauen 63

64 2. Binäre Suchbäume (40) Implementation anderer Funktionen: Verknüpfen Mischen zweier binärer Suchbäume Alternativen Siehe nächste Folie Ersten Suchbaum traversieren und jeden Knoten in den zweiten Suchbaum einfügen Laufzeit: >linear, da jedes Einfügen linear erfolgen kann Beide Suchbäume traversieren, Element in ein Array übernehmen, die Elemente mischen und in einen neuen Suchbaum einfügen Laufzeit: Linear Speicherplatz: Array für alle Elemente Rekursive Impl.: Wurzel des ersten Suchbaums an der Wurzel des zweiten Suchbaums einfügen. Dies ergibt zwei Teilbäume mit Schlüsseln die größer als diese Wurzeln sind. Rekursiv wird das erste Paar als linker Teilbaum der Wurzel zusammengefasst; Rekursiv wird das zweite Paar als rechter Teilbaum der Wurzel kombiniert Laufzeit: linear, da jeder Knoten kann in einem rekursiven Aufruf höchstens einmal der Wurzelknoten sein 64

65 2. Binäre Suchbäume (41) Implementation anderer Funktionen: Verknüpfen Beispiel : : Zwei Teilbaumpaare mit neuer Wurzel

66 2. Binäre Suchbäume (42) Implementation anderer Funktionen: Verknüpfen Beispiel 3: Ergebnis

67 2. Binäre Suchbäume (43) Implementation anderer Funktionen: Verknüpfen Implementierung private: link joinr (link a, link b) { if (b==0) return a; //Leerer Suchbaum dann anderer ist das Ergebnis if (a==0) return b; insertt (b, a->item); //in zweiten Suchbaum neue Wurzel einfügen b->l = joinr(a->l, b->l); b->r = joinr(a->r, b->r); delete a; return b; } public: void join (ST<Item, Key>&b) { head = joinr (head, b.head); //Member head ist a } 67

68 2. Binäre Suchbäume (44) Implementation anderer Funktionen: Verknüpfen Alle diese Verfahren sind subobtimal da... Vorgang ist asymmetrisch Es bleiben unausgeglichene Bäume zurück

69 2. Binäre Suchbäume (45) Diskussion der Suchbäume Vorteile Garantiert hohe Leistung bei Suchen, Einfügen und Sortieren Auswählen, Entfernen, Verknüpfen: einfache rekursive Lösungen sind möglich Nachteile Speicherplatz für Verbindungen ist hoch (Alternative: Hashing-Verfahren) Entfernen und Verknüpfen: Möglichkeit besteht zu schlecht ausgeglichenen, asymmetrischen Suchbäumen Im ungünstigsten Fall zeigt sich eine schlechte Leistung 69

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

- 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

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

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

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

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

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

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

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

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

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

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

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

PIWIN 1 Übung Blatt 5

PIWIN 1 Übung Blatt 5 Fakultät für Informatik Wintersemester 2008 André Gronemeier, LS 2, OH 14 Raum 307, andre.gronemeier@cs.uni-dortmund.de PIWIN 1 Übung Blatt 5 Ausgabedatum: 19.12.2008 Übungen: 12.1.2009-22.1.2009 Abgabe:

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

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

Fakultät Angewandte Informatik Lehrprofessur für Informatik 23.01.2012

Fakultät Angewandte Informatik Lehrprofessur für Informatik 23.01.2012 WS 2011/2012 Fakultät Angewandte Informatik Lehrprofessur für Informatik 23.01.2012 Prof. Dr. Robert Lorenz Musterlösung zur Vorlesung Informatik I, Extrablatt zu komplexen Datenstrukturen Aufgabe 45 **

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

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

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

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

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

Suchen in Listen und Hashtabellen

Suchen in Listen und Hashtabellen Kapitel 12: Suchen in Listen und Hashtabellen Einführung in die Informatik Wintersemester 2007/08 Prof. Bernhard Jung Übersicht Einleitung Lineare Suche Binäre Suche (in sortierten Listen) Hashverfahren

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

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

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

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

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

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

Laufzeit und Komplexität

Laufzeit und Komplexität Laufzeit und Komplexität Laufzeit eines Algorithmus Benchmarking versus Analyse Abstraktion Rechenzeit, Anzahl Schritte Bester, Mittlerer, Schlechtester Fall Beispiel: Lineare Suche Komplexitätsklassen

Mehr

Was bisher geschah. deklarative Programmierung. funktionale Programmierung (Haskell):

Was bisher geschah. deklarative Programmierung. funktionale Programmierung (Haskell): Was bisher geschah deklarative Programmierung funktional: Programm: Menge von Termgleichungen, Term Auswertung: Pattern matsching, Termumformungen logisch: Programm: Menge von Regeln (Horn-Formeln), Formel

Mehr

C++-Zusammenfassung. H. Schaudt. August 18, 2005

C++-Zusammenfassung. H. Schaudt. August 18, 2005 C++-Zusammenfassung H. Schaudt August 18, 2005 1 Datentypen 1.1 Grunddatentypen int (-32xxx bis +32xxx, implementerungs-abhängig) char -128 bis +128 float double bool (C++) int und char sind austauschbar:

Mehr

Objektorientierte Programmierung

Objektorientierte Programmierung Universität der Bundeswehr Fakultät für Informatik Institut 2 Priv.-Doz. Dr. Lothar Schmitz FT 2006 Zusatzaufgaben Lösungsvorschlag Objektorientierte Programmierung Lösung 22 (Java und UML-Klassendiagramm)

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

Komplexe Softwaresysteme 2 - SS 2014. Dominik Korner

Komplexe Softwaresysteme 2 - SS 2014. Dominik Korner Komplexe Softwaresysteme 2 - SS 2014 Dominik Korner 24. März 2014 Inhaltsverzeichnis 1 Übung 1 2 1.1 Heap.............................................. 2 A Zeichnen Sie den (min)-heap, der durch Einfügen

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

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

Arbeiten mit Arrays. 4.1 Eigenschaften. 4.1.1 Schlüssel und Element. Kapitel 4

Arbeiten mit Arrays. 4.1 Eigenschaften. 4.1.1 Schlüssel und Element. Kapitel 4 Arbeiten mit s Eine effiziente Programmierung mit PHP ohne seine s ist kaum vorstellbar. Diese Datenstruktur muss man verstanden haben, sonst brauchen wir mit weitergehenden Programmiertechniken wie der

Mehr

13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems

13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems 13 Java 4 - Entwurfsmuster am Beispiel des Rucksackproblems 13.1 Modellierung des Rucksackproblems 13.2 Lösung mit Greedy-Algorithmus 13.3 Lösung mit Backtracking 13.4 Lösung mit Dynamischer Programmierung

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

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

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

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

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

Institut für Informatik

Institut für Informatik Technische Universität München Institut für Informatik Lehrstuhl für Computer Graphik & Visualisierung WS 2010 Praktikum: Grundlagen der Programmierung Lösungsblatt 7 Prof. R. Westermann, A. Lehmann, R.

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

Einführung in die Programmierung Konstanten, dynamische Datenstrukturen. Arvid Terzibaschian

Einführung in die Programmierung Konstanten, dynamische Datenstrukturen. Arvid Terzibaschian Einführung in die Programmierung Arvid Terzibaschian 1 Konstanten 2 Motivation Unveränderliche, wichtige Werte mathematische Konstanten z.b. PI String-Konstanten wie z.b. häufige statische Meldungen mögliche

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

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

Schnittstellen implementieren am Beispiel Suchbaum

Schnittstellen implementieren am Beispiel Suchbaum Motivation Informatik mit Java und BlueJ Schnittstellen implementieren am Beispiel Suchbaum von Bernhard Rosing Schreiben Sie eine Klasse Person, deren Instanzen in ein TreeSet (Suchbaum) eingefügt werden

Mehr

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal

Mehr

Übungspaket 19 Programmieren eigener Funktionen

Übungspaket 19 Programmieren eigener Funktionen Übungspaket 19 Programmieren eigener Funktionen Übungsziele: Skript: 1. Implementierung und Kodierung eigener Funktionen 2. Rekapitulation des Stack-Frames 3. Parameterübergabe mittels Stack und Stack-Frame

Mehr

Übersicht. Informatik 2 Teil 3 Anwendungsbeispiel für objektorientierte Programmierung

Übersicht. Informatik 2 Teil 3 Anwendungsbeispiel für objektorientierte Programmierung Übersicht 3.1 Modell Konto 3.2 Modell Konto - Erläuterungen 3.3 Benutzer Ein- und Ausgabe mit Dialogfenster I 3.4 Benutzer Ein- und Ausgabe mit Dialogfenster II 3.5 Klassen- und Objekteigenschaften des

Mehr

HEUTE. Datenstrukturen im Computer. Datenstrukturen. Rekursion. Feedback Evaluation. abstrakte Datenstrukturen

HEUTE. Datenstrukturen im Computer. Datenstrukturen. Rekursion. Feedback Evaluation. abstrakte Datenstrukturen 9.2.5 HUT 9.2.5 3 atenstrukturen im omputer atenstrukturen ie beiden fundamentalen atenstrukturen in der Praxis sind rray und Liste Rekursion Feedback valuation rray Zugriff: schnell Umordnung: langsam

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

HTTP://WWW.WIKIPAINTINGS.ORG/EN/FRIEDENSREICH-HUNDERTWASSER/YOU-ARE-A-GUEST-OF-NATURE-BEHAVE Abstrakte Datentypen.

HTTP://WWW.WIKIPAINTINGS.ORG/EN/FRIEDENSREICH-HUNDERTWASSER/YOU-ARE-A-GUEST-OF-NATURE-BEHAVE Abstrakte Datentypen. HTTP://WWW.WIKIPAINTINGS.ORG/EN/FRIEDENSREICH-HUNDERTWASSER/YOU-ARE-A-GUEST-OF-NATURE-BEHAVE Abstrakte Datentypen OOPM, Ralf Lämmel (C) Ralf Lämmel, OOPM, Universität Koblenz-Landau 562 Motivation abstrakter

Mehr

DAP2-Programmierpraktikum Einführung in C++ (Teil 1)

DAP2-Programmierpraktikum Einführung in C++ (Teil 1) DAP2-Programmierpraktikum Einführung in C++ (Teil 1) Carsten Gutwenger 11. April 2008 Lehrstuhl 11 Algorithm Engineering Fakultät für Informatik, TU Dortmund Überblick Mein erstes C++-Programm Namensräume

Mehr

Drei-Schichten-Architektur. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 16: 3-Schichten-Architektur 1 Fachkonzept - GUI

Drei-Schichten-Architektur. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 16: 3-Schichten-Architektur 1 Fachkonzept - GUI Universität Osnabrück Drei-Schichten-Architektur 3 - Objektorientierte Programmierung in Java Vorlesung 6: 3-Schichten-Architektur Fachkonzept - GUI SS 2005 Prof. Dr. F.M. Thiesing, FH Dortmund Ein großer

Mehr

Herbst. Erste Staatsprüfung für ein Lehramt an öffentlichen Schulen. Prüfungsteilnehmer prüfungstermin Einzelprüfungsnummei. - Prüfungsaufgaben -

Herbst. Erste Staatsprüfung für ein Lehramt an öffentlichen Schulen. Prüfungsteilnehmer prüfungstermin Einzelprüfungsnummei. - Prüfungsaufgaben - Prüfungsteilnehmer prüfungstermin Einzelprüfungsnummei Kennzahl: Kennwort: Arbeitsplatz-Nr.: Herbst 2000 46114 Erste Staatsprüfung für ein Lehramt an öffentlichen Schulen - Prüfungsaufgaben - Fach: Einzelprüfung:

Mehr

Kodierungsalgorithmen

Kodierungsalgorithmen Kodierungsalgorithmen Komprimierung Verschlüsselung Komprimierung Zielsetzung: Reduktion der Speicherkapazität Schnellere Übertragung Prinzipien: Wiederholungen in den Eingabedaten kompakter speichern

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

Von der UML nach C++

Von der UML nach C++ 22 Von der UML nach C++ Dieses Kapitel behandelt die folgenden Themen: Vererbung Interfaces Assoziationen Multiplizität Aggregation Komposition Die Unified Modeling Language (UML) ist eine weit verbreitete

Mehr

Programmieren - Vererbung & Polymorphie

Programmieren - Vererbung & Polymorphie Programmieren - Vererbung & Polymorphie Reiner Nitsch r.nitsch@fbi.h-da.de Vererbung - Was ist das? Vererbung ist ein wichtiges Konzept zur Unterstützung der Wiederverwendbarkeit, wenn auch nicht das Wichtigste.

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

Objektorientiertes Programmieren für Ingenieure

Objektorientiertes Programmieren für Ingenieure Uwe Probst Objektorientiertes Programmieren für Ingenieure Anwendungen und Beispiele in C++ 18 2 Von C zu C++ 2.2.2 Referenzen und Funktionen Referenzen als Funktionsparameter Liefert eine Funktion einen

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

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER

DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER DATENBANKEN SQL UND SQLITE VON MELANIE SCHLIEBENER INHALTSVERZEICHNIS 1. Datenbanken 2. SQL 1.1 Sinn und Zweck 1.2 Definition 1.3 Modelle 1.4 Relationales Datenbankmodell 2.1 Definition 2.2 Befehle 3.

Mehr