lassen sich die beiden ersten Eigenschaften von (2,4)- Bäume auch mit binären Knoten erreichen?
|
|
- Markus Fleischer
- vor 7 Jahren
- Abrufe
Transkript
1 .7 Rot-Schwaz Schwaz-Bäume (2,4)-Bäume sind ausgeglichen: gleiche Höhe fü alle Blätte Standadopeationen auf Mengen in O(h), d.h. O(log n) unteschiedliche Knoten (, 2 ode Schlüssel) Fage: lassen sich die beiden esten Eigenschaften von (2,4)- Bäume auch mit binäen Knoten eeichen? Waum eigentlich?? (2,4)-Bäume sind Hauptspeichedatenstuktu, nu B-Bäume mit t >> 2 fü Extenspeiche. Implementieungsvaianten (Hauptspeiche): gleiche Knoten mit unteschiedlich vielen Weten => speicheineffizient veschiedene Knoten: zusätzliche Abfagen (welche Knotentyp?) hs / fub alp-2-rbbaum- (2,4)-Bäume als Binäbäume implementieen? Antwot: siche "nicht ganz": müssten sonst imme 2 h+ - Knoten enthalten (ausgeglichen!). abe "im Wesentlichen": R. Baye: Symmetic Binay B-Tees: Data Stuctue and Maintenance Algoithms. Acta Infomatica, Vol, 290-0, 972, heute Rot-Schwaz-Bäume genannt. Idee: Abbilden von (2,4) Knoten auf binäe. hs / fub alp-2-rbbaum- 2
2 2, und 4-Knoten 4 als binäe Teilbäume 7 7 hs / fub alp-2-rbbaum- 8 8 Pe Konstuktion: Jede (2,4)-Baum lässt sich in einen binäen Suchbaum umwandeln. 2
3 Beispiel Fagen: 2 - Höhe von RB-Baum im Vegleich zu (2,4)? -Opeationen - Was ist übehaupt ein RB-Baum?? hs / fub alp-2-rbbaum- 7 Eigenschaften Knoten sind ot ode schwaz.. Wuzel ist schwaz. 2. Extene Knoten sind schwaz 7. Die Kinde von oten Knoten sind schwaz (Rotbedingung 4. Jede Pfad von einem Knoten x zu einem extenen Knoten besitzt die gleiche Anzahl schwaze Knoten. 4a) Diese Anzahl (x nicht gezählt) heißt schwaze Höhe bh(x) eines Knotens. 2 hs / fub alp-2-rbbaum-
4 Rot-Schwaz Schwaz-Bäume Ein binäe Suchbaum, de die Eigenschaften 0 bis 4 efüllt, heißt Rot-Schwaz-Baum (Red-Black-, RB-Tee) Jede (2,4)-Baum kann in einen Rot-Schwaz-Baum umgewandelt weden. Gilt nach Konstuktion: beibehalten von -Knoten, esetzen von 2- und -Knoten so, dass schwaze Knoten mit einem ode zwei oten Kinden entsteht. hs / fub alp-2-rbbaum- 7 Rot-Schwaz Schwaz-Bäume Umgekeht: zu jedem Rot-Schwaz-Baum gibt es einen (2,4)-Baum. Konstuktiv: Veeinige jeden oten Knoten x mit seinem Eltenknoten e (de ist schwaz!) zu einem 2-Knoten, wenn x schwazen Nachban hat, sonst zu einem gemeinsamen - Knoten, de x, e und den oten Nachban y von x enthält. Dabei folgt aus de Eindeutigkeit de Reihenfolge (x, e) bzw. (e, x ) und (x, e, y) bzw. (y,e,x) gemäß Sotiefolge die Eindeutigkeit des (2,4)-Baumes. Fü die extene Höhe von Rot-Schwazbäumen mit n intenen Knoten gilt h <= 2* log (n+). hs / fub alp-2-rbbaum- 8 4
5 Opeationen auf Rot-Schwaz Schwaz-Bäumen seach() : wie in binäen Suchbäumen inset(key k) seach(k) findet extenen Knoten e als Einfügepunkt (ode DUPL_KEY) esetze e duch oten Knoten k mit schwazen Kinden e' und e'' (extene Knoten) ehalte RB-Invaianten 7 9 entspicht in (2,4)-Baum: 7 9 hs / fub alp-2-rbbaum- 9 Einfügen in Rot-Schwaz Schwaz-Baum: die kitischen Fälle Kitische Fälle im (2,4)-Baum: 4-Knoten k, k enthält schon Schlüssel entspicht 8 Einfügen an diesen Stellen ist kitisch füht zu Veletzung de Rot-Bedingung hs / fub alp-2-rbbaum- 0
6 Umfäbung de Knoten: Spalten im (2,4)-Baum Beachte: keine Ändeung de schwazen Tiefe! 8 hs / fub alp-2-rbbaum- Funktionale Implementieung data RBTee a = Empty Node Colo (RBTee a) a (RBTee a) data Colo = R B deiving (Show) inset :: Od a => RBTee a -> a -> RBTee a Situation entspicht dem folgenden Muste: ecolou B (Node R (Node B lll l ll) (Node R ll l)) v (Node R l v ) = Node R (Node B (Node B lll l ll) (Node R ll l)) v (Node B l v )
7 Funktionale Implementieung Weitee Fälle analog zu (2,4)-Knotenspaltung. ecolou B (Node R (Node R lll l ll) l ) v (Node R l v ) = Node R (Node B (Node R lll l ll) l) v (Node B l v ) v 8 v 8 l l l lll ll hs / fub alp-2-rbbaum- Funktionale Implementieung Die estlichen Fälle: ecolou B (Node R ll l) v (Node R (Node R ll vl l) v ) = Node R (Node B ll l) v (Node B (Node R ll vl l) v ) ecolou B (Node R ll l) v (Node R l v (Node R l v )) = Node R (Node B ll l) v (Node B l v (Node R l v )) In allen 4 Fällen: ote Nachban (d.h. 4-Knoten in (2,4)-B). hs / fub alp-2-rbbaum- 4 7
8 Tansfomieen in Rot-Schwaz Schwaz-Baum Knoten mit 2 Weten in (2,4)-Baum fühen ebenfalls zu Veletzung de Rot-Eigenschaft! v 8 v inset() l lll l l ll Kein Poblem im (2,4)-Baum, abe... hs / fub alp-2-rbbaum- Tansfomieen inset() l lll v 8 ll v l l l lll ll l v 8 v l hs / fub alp-2-rbbaum- 8
9 Implementieung Tansfomieen balance B (Node R (Node R lll l ll) l) v = Node B (Node R lll l ll) (Node R l v ) Wenn Musteabgleich zu Fäbung vohe duchgefüht wid, ist hie ein Muste "Schwaze Zwilling" entbehlich: balance B (Node R (Node R lll l ll) l) v (Node B l v ) =... hs / fub alp-2-rbbaum- 7 Tansfomation: weitee Fall ll v ll v ll l ll l balance B (Node R ll (Node R ll l)) v = Node B (Node R ll ll) (Node R l v ) hs / fub alp-2-rbbaum- 8 9
10 Beispiel,- [,- R0--< `- [,- B9--< `- [-],- R8--<,- [-] `- B7--< `- [-],- B--<,- [-] `- B--< `- [-] = B4--<,- [-],- B--< `- [-] `- B2--<,- [-] `- B--< `- [-] Einfügen in von.. 0 in diese Reihenfolge. Tansfomation des Beispiel-Baums Baums in (2,4)-Baum Egibt sich deselbe (2,4)-Baum bei Einfügen in gleiche Reihenfolge: inset x : x<- [..0]? hs / fub alp-2-rbbaum- 20 0
11 Implementieung Veeinfachte Implementieung: v 8 v ll ll ll l 8 ll l Imme Tansfomieen, wenn Rotbedingung veletzt, kein Umfäben. hs / fub alp-2-rbbaum- 2 Laufzeit Eine Tansfomation auseichend! Wenn Rotbedingung vo Einfügen efüllt, dann auch nach Tansfomation. Ggf. bis zu Wuzel ückscheitendes Umfäben. 8 8 hs / fub alp-2-rbbaum- 22
12 Laufzeit Einfügen in einen Rot-Schwaz-Baum benötigt - O(log n) Schitte zu Suche de Einfügeposition wie binäe Suchbaum - maximal eine Tansfomation O() - maximal h <= 2* log (n+) Umfäbungen => inset() hat Laufzeit O(log n) Paktisch seh gute Egebnisse: Suche benötigt ca.,002 log 2 n Vegleiche. hs / fub alp-2-rbbaum- 2 Löschen in Rot-Schwaz Schwaz-Bäumen Löschen eines von n Weten : Maximal 2 Umstuktuieungen O(log n) Umfäbungen => Suche, Einfügen, Änden in Rot-Schwaz-Bäumen in O(log n) Laufzeit.... und gute Konstanten. hs / fub alp-2-rbbaum- 24 2
Wünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n)
.6 Ausgeglichene Mehrweg-Suchbäume Wünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n) Methoden: lokale Transformationen (AVL-Baum) Stochastische
MehrInvarianzeigenschaft (für binären Suchbaum)
5.3 Binäre Suchbäume Invarianzeigenschaft (für binären Suchbaum) Im linken Teilbaum befinden sich nur Werte, die kleiner gleich dem Knotenwert sind, im rechten Teilbaum nur solche, die größer sind. und
MehrSuchbäume mit inneren Knoten verschiedener Knotengrade.
Was bisher geschah rekursive Datenstrukturen: lineare Datenstrukturen: Liste, Stack, Queue hierarchische Datenstrukturen: Bäume allgemeine Bäume Binäre Bäume Unäre Bäume = Listen Tiefe eines Knotens in
MehrKapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.6 AVL-Bäume 4.8 Rot-Schwarz-Bäume Idee: Verwende Farben, um den Baum vertikal zu
MehrKapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2013/14. Prof. Dr. Sándor Fekete
Kapitel 4.8-4.11: Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2013/14 Prof. Dr. Sándor Fekete 1 4.6 AVL-Bäume 2 4.8 Rot-Schwarz-Bäume Rudolf Bayer Idee: Verwende Farben, um den
MehrRotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y
Die AVL-Eigenschaft soll bei Einfügungen und Streichungen erhalten bleiben. Dafür gibt es zwei mögliche Operationen: -1-2 Rotation Abbildung 3.1: Rotation nach rechts (analog links) -2 +1 z ±1 T 4 Doppelrotation
MehrStereo-Rekonstruktion. Stereo-Rekonstruktion. Geometrie der Stereo-Rekonstruktion. Geometrie der Stereo-Rekonstruktion
Steeo-Rekonstuktion Geometie de Steeo-Rekonstuktion Steeo-Kalibieung Steeo-Rekonstuktion Steeo-Rekonstuktion Kameakalibieung kann dazu vewendet weden, um aus einem Bild Weltkoodinaten zu ekonstuieen, falls
MehrLösen einer Gleichung 3. Grades
Lösen eine Gleichung Gdes We sich uf dieses Abenteue einlssen will, bucht einige Kenntnisse übe komlee Zhlen Es eicht be, wenn mn folgende Schvehlte kennt und kochezettig (mn nehme) nwenden knn: Es gibt
MehrParametergleichung der Geraden durch den Punkt A mit dem Richtungsvektor u r t R heisst Parameter
8 3. Dastellung de Geaden im Raum 3.1. Paametegleichung de Geaden Die naheliegende Vemutung, dass eine Geade des Raumes duch eine Gleichung de Fom ax + by + cz +d 0 beschieben weden kann ist falsch (siehe
Mehr6 5 6 5 6 6 4 1 4 1 9 3 9 3-5 6 5 6-6 6-1 4 1 4-3 9 3 9 7 7-7 7 6 0 6 0-6 0 6 - - Meine Foschemappe zu Name: Beabeitungszeitaum: vom bis zum Augabe 1 Schau di die Augaben genau an und echne sie aus. Finde
MehrAufgaben, Hilfestellungen und Musterlösungen zum Modul 5 Druckversion
Abschnitt 1 Aufgaben, Hilfestellungen und Musterlösungen zum Modul 5 Druckversion Aufgabe 1: Binäre Suchbäume: Iteratives Suchen/Einfügen/Löschen Das Material dieser Übung enthält in der Klasse Tree0 die
Mehr6 5 5 6 6 6 4 1 1 4 9 3 3 9-5 6 6 5-6 6-1 4 4 1-3 9 9 3 7 7-7 7 6 0 0 6-6 6 0 - - Meine Foschemappe zu Name: Beabeitungszeitaum: vom bis zum Augabe 1 Schau di die Augaben genau an und echne sie aus. Finde
MehrDer Lagrange- Formalismus
Kapitel 8 De Lagange- Fomalismus 8.1 Eule-Lagange-Gleichung In de Quantenmechanik benutzt man oft den Hamilton-Opeato, um ein System zu bescheiben. Es ist abe auch möglich den Lagange- Fomalismus zu vewenden.
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
Mehr6 5 6 5 6 6 4 1 4 1 9 3 9 3-5 6 5 6-6 6-1 4 1 4-3 9 3 9 7 7-7 7 - - - Meine Foschemappe zu Name: Beabeitungszeitaum: vom bis zum Augabe 1 Schau di die Augaben genau an und echne sie aus. Finde viele weitee
MehrB.3 Kugelflächenfunktionen und Legendre-Polynome
B.3 Kugelflächenfunktionen und Legende-Polynome 113 B.3 Kugelflächenfunktionen und Legende-Polynome B.3.1 Kugelflächenfunktionen B.3.1 a ::::::: :::::::::: Definition Sei die Einheitskugelfläche von R
MehrBildverarbeitung: Diskrete Energieminimierung. D. Schlesinger () BV: Diskrete Energieminimierung 1 / 11
Bildveabeitung: Diskete Enegieminimieung D. Schlesinge () BV: Diskete Enegieminimieung 1 / 11 Entauschung Segmentieung Beide Definitionsbeeich und Wetebeeich sind disket. R Z 2 die Pixelmenge, E R 2 die
MehrNatürliche Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. Natürliche Bäume 1/16
Natürliche Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 Natürliche Bäume 1/16 Bäume Begriffe (1/2) Bäume sind verallgemeinerte Listenstrukturen ein
MehrBäume. Text. Prof. Dr. Margarita Esponda SS 2012 O4 O5 O6 O ALP2-Vorlesung, M. Esponda
Bäume O1 O2 Text O3 O4 O5 O6 O7 Prof. Dr. Margarita Esponda SS 2012 22. ALP2-Vorlesung, M. Esponda Inhalt 1. Einführung 2. Warum Bäume? 3. Listen und Arrays vs. Bäume 4. Einfach verkettete binäre Suchbäume
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B7.1 Einführung. B Bäume. B7.3 Rot-Schwarz Bäume.
B7. Balancierte Bäume a B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel a Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrLösung V Veröentlicht:
1 Bewegung entlang eines hoizontalen Keises (a) Ein Ball de Masse m hängt an einem Seil de Länge L otiet mit eine konstanten Geschwindigkeit v auf einem hoizontalen Keis mit Radius, wie in Abbildung 2
MehrAVL-Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. AVL-Bäume 1/38
AVL-Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 AVL-Bäume 1/38 Balancierte Bäume in einem zufällig erzeugten Binärbaum haben die Algorithmen Suchen,
MehrChristian Rieck, Arne Schmidt
Institute of Operating Systems and Computer Networks Algorithms Group Algorithmen und Datenstrukturen Wintersemester 207/208 Übung#5, 2.2.207 Christian Rieck, Arne Schmidt Bäume Satz Jeder gerichtete Baum
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/3, Folie 1 2010 Prof. Steffen Lange - HDa/FbI
MehrAlgorithmen und Datenstrukturen I AVL-Bäume
Algorithmen und Datenstrukturen I AVL-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 01.12.2017 14:42 Algorithmen und Datenstrukturen I, AVL-Bäume 1/38 Balancierte Bäume in einem zufällig erzeugten Binärbaum
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (22 - AVL-Bäume: Entfernen) Prof. Dr. Susanne Albers Definition von AVL-Bäumen Definition: Ein binärer Suchbaum heißt AVL-Baum oder höhenbalanziert,
MehrB / B* - Bäume. Guido Hildebrandt Seminar Datenbanksysteme
B / B* - Bäume Guido Hildebrandt Seminar Datenbanksysteme 25.11.2010 Gliederung Einleitung Binärbaum B - Baum B* - Baum Varianten Zusammenfassung Quellen Gliederung Einleitung Binärbaum B - Baum B* - Baum
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
MehrMengen. Binäre Suchbäume. Mengen: Anwendungen (II) Mengen: Lösung mit Listen 12/3/12. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
// Mengen Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps n Ziel: ufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: n eines Elements n eines Elements
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 11 (1.6.2016) Binäre Suchbäume III Algorithmen und Komplexität Tiefe eines binären Suchbaums Worst-Case Laufzeit der Operationen in binären
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Sortierte Folgen Maike Buchin 30.5., 1.6., 13.6.2017 Sortierte Folgen Häufiges Szenario: in einer Menge von Objekten mit Schlüsseln (aus geordnetem Universum) sollen Elemente
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 13. April 2018 1 Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
Mehr6 Die Gesetze von Kepler
6 DIE GESETE VON KEPER 1 6 Die Gesetze von Kele Wi nehmen an, dass de entalköe (Sonne) eine seh viel gössee Masse M besitzt als de Planet mit de Masse m, so dass de Schweunkt in gute Näheung im entum de
MehrContainerDatenstrukturen. Große Übung 4
ContainerDatenstrukturen Große Übung 4 Aufgabenstellung Verwalte Kollektion S von n Objekten Grundaufgaben: Iterieren/Auflistung Suche nach Objekt x mit Wert/Schlüssel k Füge ein Objekt x hinzu Entferne
MehrDatenstrukturen und Algorithmen
Datenstrukturen und Algorithmen VO INF.02031UF (2-4)-Bäume robert.legenstein@igi.tugraz.at 1 7. Bäume Bäume als Datenstruktur Binärbäume Balancierte Bäume (2-4)-Bäume Anwendung: Mischbare Warteschlangen
MehrSuchbäume. Suchbäume. Einfügen in Binären Suchbäumen. Suchen in Binären Suchbäumen. Prinzip Suchbaum. Algorithmen und Datenstrukturen
Suchbäume Suchbäume Prinzip Suchbaum Der Wert eines Knotens wird als Schlüssel verstanden Knoten kann auch weitere Daten enthalten, die aber hier nicht weiter betrachtet werden Werte der Schlüssel müssen
MehrShift-Invarianz, periodische Funktionen, diskreter Logarithmus, hi
Shift-Invaianz, peiodische Funktionen, diskete Logaithmus, hidden-subgoup-poblem Infomation und Codieung 2 SS 200 22. Juni 200 Shift-Invaianz de Fouie-Tansfomation f (y) = 2π f (x) e iyx dx Ist (T z f
MehrDie Einheitsmatrix E ist das neutrale Element der Multiplikationen; E muss quadratisch sein!
Matizen - Algoithmen Ac Matizen sind Tabellen mit ze Zeilen und sp Spalten Man kann mit ihnen Opeationen duchfühen, die in veschiedenen Beeichen benötigt weden (zb Lösen von Lineaen Gleichungssystemen)
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 6 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 2. April
MehrNachtrag zu binären Suchbäumen (nicht (nur) AVL Bäumen: Löschen von Elementen in binären Suchbäumen. 1. Fall: zu löschendes Element ist Blatt: löschen
Nachtrag zu binären Suchbäumen (nicht (nur) AVL Bäumen: Löschen von Elementen in binären Suchbäumen 3 1. Fall: zu löschendes Element ist Blatt: löschen 1 2 4 9 10 11 12 13 2. Fall: zu löschendes Element
MehrTitrationskurven in der Chemie
RS 1..004 Titationskuven.mcd Titationskuven in de Chemie In de Chemie wid de sauee bzw. de basische Chaakte eine wässigen Lösung mit Hilfe des ph-wetes beschieben. In jede wässigen Lösung gilt: [H O] +.
MehrAbschnitt 18: Effizientes Suchen in Mengen
Abschnitt 18: Effizientes Suchen in Mengen 18. Effizientes Suchen in Mengen 18.1 Vollständig ausgeglichene binäre Suchbäume 18.2 AVL-Bäume 18.3 Operationen auf AVL-Bäumen 18.4 Zusammenfassung 18 Effizientes
MehrWie lange dauert es (im Mittel), bis...?
Wie lange dauet es (im Mittel, bis? Teilnehme: Valentin Bonje Thomas Dittma Heniette Kisten Max Lindne Anton Pusch Fabian Schiemann Maximilian Steppe Alexeij Wad Alma Wettig mit tatkäftige Untestützung
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2016/17 13. Vorlesung Binäre Suchbäume Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Dynamische Menge verwaltet Elemente einer sich ändernden Menge
MehrGliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen
5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Arrays und Strings 6. Sortieren und Suchen 1. Grundlegende Datenstrukturen 2. Bäume
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 Bruder-Bäume, B-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei Wörterbuchoperationen
MehrUnterlagen Fernstudium - 3. Konsultation 15.12.2007
Untelagen Fenstudium - 3. Konsultation 5.2.2007 Inhaltsveeichnis Infomationen u Püfung 2 2 Aufgabe 7. Umstömte Keisylinde mit Auftieb 3 3 Aufgabe 8. Komplexes Potential und Konfome Abbildung 0 Infomationen
MehrAbstandsbestimmungen
Abstandsbestimmungen A) Vektoechnungsmethoden (mit Skalapodukt): ) Abstand eines Punktes P von eine Ebene IE im Raum (eine Geade g in de Ebene ): Anmekung: fü Geaden im Raum funktioniet diese Vektomethode
MehrGreedy Algorithmen für aufspannende Arboreszenzen
Geedy Aloithmen fü aufspannende Aboeszenzen Biit Hubet 23. Juni 29 1 Minimal aufspannende Bäume 1.1 Wiedeholun Sei G=(V, E) ein zusammenhänende Gaph, wobei V die Mene de Knoten und E die Mene de Kanten
MehrAlgorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II und Red-Black-Trees Dr. Georg Sauthoff 1 AG Praktische Informatik July 1, SoSe 2011 1 gsauthof@techfak.uni-bielefeld.de Suchbäume (Indexdatenstrukturen) Zugriff in O(logn)
MehrTeil 1: Suchen. Problemstellung Elementare Suchverfahren Hashverfahren Binäre Suchbäume Ausgeglichene Bäume. B-Bäume Digitale Suchbäume Heaps
Teil 1: Suchen Problemstellung Elementare Suchverfahren Hashverfahren Binäre Suchbäume Ausgeglichene Bäume AVL-Bäume Splay-Bäume B-Bäume Digitale Suchbäume Heaps M.O.Franz; Oktober 2007 Algorithmen und
MehrDas Ski-Rental-Problem
Da Ski-Rental-Poblem (Voläufige Veion, 15. Mai 212) Pof. D. Hanno Lefmann Fakultät fü Infomatik, TU Chemnitz, D-917 Chemnitz, Gemany lefmann@infomatik.tu-chemnitz.de 1 Da Ski-Rental-Poblem Bei dem Ski-Rental-Poblem
MehrAufgabenblatt 3. Lösungen. A1. Währungsrisiko-Hedging
Aufgabenblatt 3 Lösungen A. Wähungsisiko-Hedging. Renditen fü BASF und Baye in EUR Kus in t Kus in t- / Kus in t- Beobachtung fällt daduch weg. Kuse fü BASF und Baye in USD z.b. BASF am 8.05.: EUR 570
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
MehrÜbung Datenstrukturen. Bäume
Übung Datenstrukturen Bäume Übung Binärbaum 7 2 10 1 3 5 9 34 8 7 11 13 17 7 25 19 3 Aufgabe 1 Geben Sie die Reihenfolge der besuchten Knoten nach Prä-, In-, Post- und Levelorder an! Übung Binärbaum Aufgabe
MehrWiederholung. Datenstrukturen und. Bäume. Wiederholung. Suchen in linearen Feldern VO
Wiederholung Datenstrukturen und Algorithmen VO 708.031 Suchen in linearen Feldern Ohne Vorsortierung: Sequentielle Suche Speicherung nach Zugriffswahrscheinlichkeit Selbstanordnende Felder Mit Vorsortierung:
MehrStrukturelle Modelle in der Bildverarbeitung MinSum Probleme LP-Relaxation
Stutuelle Modelle in de Bildveabeitung MinSum Pobleme LP-Relaxation D. Schlesinge TUD/INF/KI/IS Maximieen scheinbae Qualität Diffusion Algoithmus LP... D. Schlesinge () SMBV: MinSum LP-Relaxation 1 / 11
MehrAufgabe S 1 (4 Punkte)
Aufgabe S 1 (4 Punkte) In ein gleichschenklig-echtwinkliges Deieck mit Kathetenlänge 2 weden zwei Quadate so einbeschieben, dass a) beim esten Quadat eine Seite auf de Hypotenuse liegt und b) beim zweiten
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2017/18 Pro f. Dr. Sán do r Fe k e te 1 Binärer Suchbaum Außerdem wichtig: Struktur der Schlüsselwerte! 2 Ordnungsstruktur Linker
MehrUmstrukturierung durch Rotationen
Umstrukturierung durch Rotationen (Folie 109, Seite 52 im Skript) P P T A A D B T B C C D Eine Rechtsrotation um T. Die Suchbaumeigenschaft bleibt erhalten. B, C, D können nur aus externen Knoten bestehen.
Mehr13 (2-4)-Bäume Implementierbare Funktionen. (2-4)-Bäume sind durch folgende Eigenschaften deniert: 1. Alle Äste sind gleich lang
13 (2-4)-Bäume (2-4)-Bäume sind durch folgende Eigenschaften deniert: 1. Alle Äste sind gleich lang 2. Die Ordnung (maximale Anzahl der Söhne eines Knotens) ist gleich 4 3. Innere Knoten haben 2 Söhne
MehrBalancierte Bäume. Minimale Knotenanzahl von AVL-Bäumen. AVL-Bäume. Definition für "balanciert":
Balancierte Bäume Aufwand, ein Element zu finden, entspricht der Tiefe des gefundenen Knotens im worst case = Tiefe des Baumes liegt zwischen log N und N Definition für "balanciert": es gibt verschiedene
MehrGrundlagen der Informatik / Algorithmen und Datenstrukturen. Aufgabe 143
Aufgabe 143 Aufgabe 143 Aufgabenstellung Gegeben ist der folgende AVL-Baum: a) Fügen Sie in diesen AVL-Baum nacheinander Knoten mit den Inhalten 34, 42, 1701 und 30 ein. Führen Sie die ggf. notwendigen
MehrExtremwertaufgaben
7.4.. Extemwetaufgaben Bei Extemwetaufgaben geht es daum, dass bei einem gestellten Sachvehalt (Textaufgabe) igendetwas zu maximieen bzw. zu minimieen ist. Dabei geht man nach einem festen, vogegebenen
Mehr1 AVL-Bäume. 1.1 Aufgabentyp. 1.2 Überblick. 1.3 Grundidee
AVL-Bäume. Aufgabentyp Fügen Sie in einen anfangs leeren AVL Baum die folgenden Schlüssel ein:... Wenden Sie hierbei konsequent den Einfüge /Balancierungsalgorithmus an und dokumentieren Sie die ausgeführten
Mehr1 Filter mit NIC. a12. abgeschlossen gilt für die Eingangsimpedanz Z 1. Werden diese Zweitore nach Bild 0-1 mit der Impedanz Z 2
Aktive Filte basieend auf LCStuktuen Mit Hilfe von Impedanzkonveten können passive LCFilte als Aktivfilte aufgebaut weden. Hiebei weden die Induktivitäten mit geeigneten Schaltungen aktiv ealisiet. Diese
MehrSuchen in linearen Feldern. Datenstrukturen & Algorithmen. Laufzeitverhalten der Suchverfahren. Anzahl der Vergleiche für 10 9 Elemente
Suchen in linearen Feldern Datenstruturen & Algorithmen VO 708.031 11. Vorlesung, am 11.Dez. 2008 Ohne Vorsortierung Sequentielle Suche Speicherung nach Zugriffswahrscheinlicheiten Selbstanordnende Felder
MehrLösung - Schnellübung 4
D-MAVT/D-MATL Analysis I HS 2016 D Andeas Steige Lösung - Schnellübung 1 Ein Keis vom Radius ollt im Innen eines Keises vom Radius R ab Die Kuve t, die dabei ein feste Punkt P auf dem Rand des kleinen
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B7.1 Einführung. B Bäume. B7.3 Rot-Schwarz Bäume
B7. Balancierte Bäume a B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel a Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrKern- und Teilchenphysik. Einführung in die Teilchenphysik: Schwache Wechselwirkung - Paritätsverletzung - verschiedene Prozesse der schwachen WW
Ken- und Teilchenphysik Einfühung in die Teilchenphysik: Schwache Wechselwikung - Paitätsveletzung - veschiedene Pozesse de schwachen WW Noethe Theoem: Wiedeholung: Noethe-Theoem Jede Symmetie impliziet
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Suchen. Lineare Suche. Such-Algorithmen. Sommersemester Dr.
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Fortgeschrittene Datenstrukturen Such-Algorithmen
MehrInhalte der Vorlesung. 2. Lexikalische Analyse. 2. Lexikalische Analyse. Lexikalische Analyse
Inhalte de Volesung. Lexikalische Analyse 1.Einfühung.Lexikalische Analyse 3.De Textstom-Edito sed 4.De Scanne-Geneato lex 5.Syntaxanalyse und de Pase-Geneato yacc 6.Syntaxgesteuete Übesetzung 7.Übesetzungssteueung
MehrInhalte der Vorlesung. 2. Lexikalische Analyse. Lexikalische Analyse. 2. Lexikalische Analyse
Inhalte de Volesung. Lexikalische Analyse 1.Einfühung.Lexikalische Analyse 3.De Textstom-Edito sed 4.De Scanne-Geneato lex ( Temine) 5.Syntaxanalyse und de Pase-Geneato yacc (3 T.) 6.Semantische Analyse
MehrInhaltsverzeichnis (Ausschnitt)
6 Diskete Wahscheinlichkeitsäume Inhaltsvezeichnis (Ausschnitt) 6 Diskete Wahscheinlichkeitsäume Laplacesche Wahscheinlichkeitsäume Kombinatoik Allgemeine diskete Wahscheinlichkeitsäume Deskiptive Statistik
Mehr= = = = =
7 6-6 7 = 8 5-5 8 = 6-6 = 9 1-1 9 = 6 4-4 6 = Meine Foschemappe zu Name: Beabeitungszeitaum: vom bis zum Augabe 1 Schau di die Augaben genau an und echne sie aus. Finde viele weitee Augaben mit dem gleichen
MehrInhalt der Vorlesung Experimentalphysik I
Inhalt de Volesung Epeimentalphysik I Teil 1: Mechanik 4. Gavitation 5. Enegie und Abeit 6. Bewegte Bezugsysteme 6.1 Inetialsysteme 6. Gleichfömig bewegte Systeme 6.3 Beschleunigte Bezugssysteme 6.4 Rotieende
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Binärbaum Suchbaum Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 356 Datenstruktur Binärbaum Strukturrepräsentation des mathematischen Konzepts Binärbaum
Mehr12 (2-4)-Bäume Implementierbare Funktionen. (2-4)-Bäume sind durch folgende Eigenschaften deniert: 1. Alle Äste sind gleich lang
12 (2-4)-Bäume (2-4)-Bäume sind durch folgende Eigenschaften deniert: 1. Alle Äste sind gleich lang 2. Die Ordnung (maximale Anzahl der Söhne eines Knotens) ist gleich 4 3. Innere Knoten haben 2 Söhne
MehrGrundwissen Mathematik Jahrgangsstufe 9. Bisher bekannte Zahlenmengen: a b = a b. Die üblichen Rechengesetze gelten unverändert.
Gundwissen Mathematik Jahgangsstufe I. Reelle Zahlen Eweiteung des Zahlenbeeichs Bishe bekannte Zahlenmengen: Jedes Element a aus N, Z, Q Q ist dastellba duch a= p q mit p Z und q N. Zahlen, die nicht
MehrADS 1: Algorithmen und Datenstrukturen
ADS 1: Algorithmen und Datenstrukturen Teil IX Uwe Quasthoff Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 1 Dezember 017 [Letzte Aktualisierung: 04/1/017, 10:56]
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 - Balancierte Bäume, AVL-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei
MehrAlgorithmen und Datenstrukturen I Bruder-Bäume
Algorithmen und Datenstrukturen I Bruder-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 11.12.2017 10:50 Algorithmen und Datenstrukturen I, Bruder-Bäume 1/24 Definition ein binärer Baum heißt ein Bruder-Baum,
MehrKardioiden INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. FRIEDRICH W. BUCKEL. Text Nr Stand 11. Mai 2016
Kadioiden Text N. 5 Stand. Mai 6 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 5 Kadioiden Vowot Die Kadioide ist aus meheen Günden beühmt. Da gibt es zuest die physikalische Escheinung de
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein
MehrÜbung zur Einführung in die VWL / Makroökonomie. Teil 7: Das IS-LM-Modell
Begische Univesität Wuppetal FB B Schumpete School of Economics and Management Makoökonomische Theoie und Politik Übung zu Einfühung in die VWL / Makoökonomie Teil 7: Das IS-LM-Modell Thomas Domeatzki
MehrWiederholung. Bäume sind zyklenfrei. Rekursive Definition: Baum = Wurzelknoten + disjunkte Menge von Kindbäumen.
Wiederholung Baum: Gerichteter Graph, der die folgenden drei Bedingungen erfüllt: Es gibt einen Knoten, der nicht Endknoten einer Kante ist. (Dieser Knoten heißt Wurzel des Baums.) Jeder andere Knoten
MehrGeometrie der Cartan schen Ableitung
Geoetie de Catan schen Ableitung - - Notation Sei + Sei + Wi bezeichnen it ( L den Vektoau alle fach ultilineaen Abbildungen f : -al 2 Wi bezeichnen it S die Guppe alle Peutationen σ : {,, } {,, } Des
MehrEinführung in die Finanzmathematik - Grundlagen der Zins- und Rentenrechnung -
Einfühung in die Finanzmathematik - Gundlagen de ins- und Rentenechnung - Gliedeung eil I: insechnung - Ökonomische Gundlagen Einfache Vezinsung - Jähliche, einfache Vezinsung - Untejähliche, einfache
Mehrt-äre Bäume können - wie Binärbäume - degenerieren, d.h. durch ungünstige Einfügereihenfolge kann ein unausgewogener Baum mit großer Höhe entstehen.
.3 B-Bäume t-äre Bäume können - wie Binärbäume - degenerieren, d.h. durch ungünstige Einfügereihenfolge kann ein unausgewogener Baum mit großer Höhe entstehen. Wird der t-äre Baum zur Verwaltung von Daten
MehrAnwendungsbeispiel MinHeap
Anwendungsbeispiel MinHeap Uns seien n ganze Zahlen gegeben und wir möchten darin die k größten Zahlen bestimmen; zudem gelten, dass n deutlich größer als k ist Wir können das Problem mit Laufzeit in O(n
MehrSuchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 156, Seite 56 im Skript) Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die letzte Ebene vollständig besetzt ist,
MehrÜbung Algorithmen I
Übung Algorithmen I.6.5 Christoph Striecks Christoph.Striecks@kit.edu (Mit Folien von Julian Arz, Timo Bingmann und Sebastian Schlag.) Roadmap Hinweise zur Übungsklausur (Weitere) Traversierungen von Binärbäumen
MehrDr. Jan Friedrich Nr L 2
Übungen zu Expeimentalphysik 4 - Lösungsvoschläge Pof. S. Paul Sommesemeste 5 D. Jan Fiedich N. 4 9.5.5 Email Jan.Fiedich@ph.tum.de Telefon 89/89-1586 Physik Depatment E18, Raum 3564 http://www.e18.physik.tu-muenchen.de/teaching/phys4/
MehrKapitel Andere dynamische Datenstrukturen
Institute of Operating Systems and Computer Networks Algorithms Group Kapitel 4.8-4.11 Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2017/2018 Vorlesung#13, 12.12.2017
MehrKapitel Andere dynamische Datenstrukturen
Institute of Operating Systems and Computer Networks Algorithms Group Kapitel 4.8-4.11 Andere dynamische Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2018/2019 Vorlesung#15, 18.12.2018
MehrBinäre Suchbäume. Organisatorisches. VL-10: Binäre Suchbäume. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger.
Organisatorisches VL-10: inäre Suchbäume (Datenstrukturen und lgorithmen, SS 17) Gerhard Woeginger Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Sprechstunde: Mittwoch 11: 12:00 Übungen: Tim Hartmann,
Mehr