Kapitel Komplexität. Beispiel II. Beispiel I. Methodische Grundlagen und Graphen
|
|
- Pamela Heintze
- vor 7 Jahren
- Abrufe
Transkript
1 . Komplexität Kapitel Methodische Grundlagen und Graphen Lösung von Modellen der Produktion und Logistik mittels: xakten Lösungsverfahren Heuristiken: teilweise verwendet wenn exakte Verfahren vorhanden (diese jedoch zu teuer oder zu aufwendig sind) verwendet bei Probleme, die NP-schwer sind uswahl der Verfahren abhängig von: verfügbare Software Kosten-Nutzen-Überlegungen Komplexität des Problems perations Management Kapitel / eispiel I eispiel II Lösung von: LP-Probleme (average case) mit polynomialem ufwand da die nzahl der Iterationsschritte der Simplexmethode linear mit der nzahl der Nebenbedingungen steigt jeder Iterationsschritt etwa quadratischen ufwand verursacht LP-Probleme mit Ganzzahligkeitsforderungen (integer variables) mittels ranch and ound (&) Verfahren da in jedem Iterationsschritt ist ein normales LP zu lösen ie nzahl dieser Iterationsschritte wächst exponentiell mit der nzahl der ganzzahligen Variablen aher sind diese Probleme nicht mit polynomialem ufwand zu lösen ei manchen Problemen (z.. ransport, Zuordnung) sind die Ganzzahligkeitsforderungen automatisch erfüllt, sodass das Problem einfach bleibt. uch kann es sein, dass ein Problem als LP-Problem mit Ganzzahligkeitsforderung formuliert werden kann, dass es allerdings andere exakte Verfahren gibt, die das Problem mit polynomialem ufwand lösen. perations Management Kapitel / perations Management Kapitel /
2 Heuristiken. Kosten und istanzen Unterscheidung zwischen: röffnungsverfahren (zur rasche Generierung einer möglichst guten Startlösung) Verbesserungsverfahren (um ausgehend von einer zulässigen Lösung eine bessere zu konstruieren) Kombination beider Verfahren ntscheidung bei vielen Problemen aufgrund von gewissen Kosten bzw. istanzen c ij : rmittlung der Kosten aufgrund technischer Gegebenheiten (Umrüsten einer Maschine von Werkstück i zu Werkstück i) Kosten als Maß für die istanz der bjekte i und j dar gebräuchlichste istanzen: uklidische istanz Manhattan istanz Maximum istanz perations Management Kapitel / perations Management Kapitel / uklidische istanz Manhattan istanz Luftlinien ntfernung der Punkte x und y im Raum ntfernung bei einem rechtwinkeligen Straßensystem d(x, y) = n ( xi - yi) i= n d(x,y) = i= xi - yi y x x y x x x x perations Management Kapitel / perations Management Kapitel /
3 Maximum istanz. Grundbegriffe über Graphen ohren von Platinen, ewegung von Kränen oder Plotterstiften d(x, y) = x y max x - y i=,...,n i i y y x x eispiel: Straßennetz mit Kosten (Kantenlängen): Naturpark mit ingang und wichtigstem ussichtspunkt : perations Management Kapitel / perations Management Kapitel / ufgabe ufgabe Verlegung von elefonleitungen, so dass zwischen allen Stationen elefonverbindungen möglich sind. s werden gerade so viele Leitungen verlegt, dass eine Verbindung zwischen je zwei Stationen möglich ist. Wo sollen die elefonkabel verlegt werden um am wenigsten Leitungen (in Meilen) zu verbrauchen? rmittlung des kürzesten Weges vom ingang des Parks zur Station Lösung: kürzeste Wege Lösung: minimaler spannender aum, Minimalgerüst perations Management Kapitel / perations Management Kapitel /
4 ufgabe Problem: s wollen mehr esucher an der usfahrt von zur Station teilnehmen, als auf dem kürzesten Weg befördert werden können. (egrenzung der Zahl der täglichen usfahrten auf jeder Strecke) Verwendung verschiedener Routen ohne erücksichtigung der ntfernung, um die Zahl der usfahrten pro ag zu erhöhen Wie werden die verschiedenen Routen angelegt um die Zahl der usfahrten zu maximieren? ufgabe n jedem der Straßenknoten ist am nde des ages ein Mülleimer zu entleeren. In welcher Reihenfolge sollen die Knoten angefahren werden um die gesamte Reisezeit zuminimieren? Lösung: Rundreiseproblem, SP (L) Lösung: maximaler Fluss (L) perations Management Kapitel / perations Management Kapitel / efinition Graph I efinition Kette Graph (graph): mehrere Punkte (Knoten, nodes, vertices) sind paarweise durch Linien (Kanten, edges, arcs) verbunden Graph Kette (chain) zwischen den Knoten i und j: Folge von Kanten, die diese zwei Knoten miteinander verbindet Weg (path): eindeutige Richtung der Kette (gerichtet) Kette (Weg) von nach perations Management Kapitel / perations Management Kapitel /
5 efinition Zyklus efinition aum I Zyklus (cycle): Kette, die einen Knoten mit sich selbst verbindet, ohne dass eine Kante zweimal verwendet wird Zyklus aum (tree): verbundener Graph, der keine Zyklen besitzt in Graph heißt verbunden (connected), wenn es zwischen je Knoten eine Kette gibt, die diese Knoten miteinander verbindet. aum perations Management Kapitel / perations Management Kapitel / efinition aum II efinition Graph II ines der heoreme der Graphentheorie besagt, dass ein Graph bestehend aus n Knoten verbunden ist, wenn er (n- ) Kanten und keine Zyklen besitzt. UM kein aum wegen Zyklus kein aum, da nicht verbunden ie Kante eines Graphen heißt gerichtet (directed) oder Pfeil, wenn eine bestimmte Richtung gegeben ist. Innerhalb eines gerichteten Graphen ist jede einzelne Kante gerichtet. Innerhalb eines ungerichteten Graphen ist jede einzelne Kante ungerichtet. in gemischter (mixed) Graph enthält sowohl gerichtete als auch ungerichtete Kanten. perations Management Kapitel / perations Management Kapitel /
6 . Minimaler Spannbaum (minimal spanning tree, MS) a im eispiel n = Knoten vorgegeben sind, muss das resultierende Netzwerk genau (n-) = Kanten und keine Zyklen besitzen, um einem aufgespannten aum zu entsprechen. Praxis: zahlreiche nwendungsbeispiele insb. bei der Planung von schwach frequentierten ransportnetzen z.: elefonleitungen lgorithmus von Kruskal. Suche die kürzeste Kante im Graphen und verbinde die beiden angrenzenden Knoten.. Suche den noch nicht verbundenen Knoten, der einem der bereits verbundenen am nächsten liegt. Wiederhole dies bis alle Knoten verbunden sind. reten dabei Mehrdeutigkeiten auf, so kann die Wahl beliebig getroffen werden, und der lgorithmus führt dennoch zu einer optimalen Lösung. Implementierung am omputer: Man sortiert zunächst die Kanten in aufsteigender Reihenfolge, und dann fügt man jeweils die nächste Kante in den aum ein, die nicht zu einem Zyklus führen würde. perations Management Kapitel / perations Management Kapitel / lgorithmus von Kruskal - eispiel. Problem des kürzesten Weges (shortest route) rmittlung des kürzesten Weg innerhalb eines Netzwerkes von der Quelle (source) zur Senke (sink) asis vieler anderer wichtiger Logistikprobleme große Zahl von Verfahren Unterscheidung von: aumalgorithmen: bestimmen den kürzesten Weg von einem Knoten (Quelle) zu allen anderen (und konstruieren so eine rt aum) klassischen aumalgorithmen (nächster Unterabschnitt) basieren auf der Idee der dynamischen Programmierung. Sie markieren in jedem Iterationsschritt einen weiteren Knoten. Verfahren, die den kürzesten Weg zwischen allen Knoten suchen. perations Management Kapitel / perations Management Kapitel /
7 .. aumalgorithmus für das kürzeste Wege Problem (ijkstra) s sei d ij = Länge der direkten Kante von i nach j [wenn solche existiert, bzw. d ij = sonst] Initialisierung: n = : s werden alle Knoten i vorläufig markiert, und ihre vorläufig kürzeste ntfernung zum Ursprung [i] mit der direkten istanz d i festgelegt. [Nur ist endgültig markiert] Wenn es keine direkte Kante von nach i gibt, setzt man [i] =. er vorläufige direkte Vorgänger ist die Quelle: V[i] = Iterationsschritt n. markiere jenen vorläufig markierten Knoten endgültig, der die minimale istanz [i] hat. s ist der n-te nächste Knoten zur Quelle. Seine kürzeste istanz zu ist [i] und der unmittelbare Vorgänger ist V[i].. Suche alle vorläufig markierten Knoten j, die von i aus über eine direkte Kante erreichbar sind. Wenn [i] + d ij < [j] ist der Weg über i zu j besser als der bisher beste Weg zu j. Setzte dann [j] = [i] + d ij und V[j] = i.. Wenn endgültig markiert ist, (bzw. wenn alle Knoten endgültig markiert sind) ist das Verfahren beendet. perations Management Kapitel / perations Management Kapitel / Verfahren von ijkstra - eispiel Lösung Iteration n [], V[], [], V[],, [], V[] Lösung: [], V[] [], V[] [], V[] [], V[],,,,,,,,,,,,,,,,,,,,,,,,,, Initialisierung,,,,,, Zwei kürzeste Wege mit jeweils Gesamtlänge : perations Management Kapitel / perations Management Kapitel /
8 Verfahren von ellmann I Verfahren von ellmann II. Von allen vergebenen Knoten, die noch nicht vergebene Nachbarn haben, ausgehend jeweils den Knoten mit der kürzesten ntfernung suchen. enjenigen Knoten im nächsten Iterationsschritt vergeben, der die geringste Gesamtentfernung vom Ursprung hat. perations Management Kapitel / Iteration n Vergebene Knoten, die unmittelbar mit einem noch nicht Vergebenen zu verbinden sind Kürzeste Verbindung zu einem noch nicht vergebenen Knoten Gesamte ntfernung zum Ursprung n-ter nächster Knoten i Kürzeste ntfernung [i] Unmittelbarer Vorgänger V[i] perations Management Kapitel / Verfahren von ellmann III.. Kürzeste Wege zwischen allen Knoten (riplealgorithmus). Lösung: -. Lösung: - ft such man die kürzesten Wege zwischen jeweils zwei Knoten eines Netzwerkes, bei dem nicht alle Knoten durch direkte Kanten miteinander verbunden sind; z.. Lösung von ransport- oder Standortproblem Lösung: Mehrmalige nwendung des aumalgorithmus (für jeden Knoten als Startknoten) besseres Verfahren (riplealgorithmus): ie bisher bekannte kürzeste istanz von i nach j wird mit k ij bezeichnet und der dabei unmittelbare Vorgänger von j mit v ij. perations Management Kapitel / perations Management Kapitel /
9 perations Management Kapitel / Initialisierung, Iterationsschritt n Initialisierung: Setze k ij = d ij bzw. k ij =, wenn keine direkte Kante i j besteht. Setze v ij = i. Iterationsschritt n: [n durchläuft alle Knoten] Für alle i und j prüfe, ob k in + k nj < k ij ist. Wenn ja, ist der Weg von i nach j über n [mit den bisher besten bekannten Wegen i n und n j] kürzer als der bisher beste bekannte Weg i j. In diesem Falle setze k ij = k in + k nj und v ij = v nj. perations Management Kapitel / biges eispiel - Initialisierung perations Management Kapitel / Wege über n = Initialisierung: Wege über n = vergleiche den bisher besten Weg (Länge ) mit Umweg über, also plus : + = da kürzer, wird durch ersetzt perations Management Kapitel / Wege über n = Wege über n = Wege über n = Zeilen und Spalten, wo in der gelben Zeile steht, können sich nicht ändern bei symmetrischden Problemen (ungerichterer Graph) kann alles unter der Hauptdiagonale kopiert werden
10 perations Management Kapitel / Wege über n = Wege über n = Wege über n = perations Management Kapitel / Wege über n = Wege über n = Wege über n = perations Management Kapitel / Wege über n = Wege über n = Wege über n = perations Management Kapitel / ndlösung - Wege über n = Prüfung der Wege über n = bzw. n = Keine Änderungen mehr ndlösung: weist kürzesten istanzen auf Übereinstimmung der. Zeile mit dem rgebnis des aumalgorithmus
11 .. emerkungen und weitere eispiele eispiel I naloge nwendung in gemischten und gerichteten Graphen Probleme können bei negative Kantenbewertungen auftreten wenn negative Zyklen im Graphen enthalten sind ansonsten sind solche Probleme wie üblich zu bearbeiten vgl. dazu Kapitel von omschke, W.: Logistik: ransport (d. ),. ufl., ldenbourg, München, Man bestimme die kürzesten Wege von () zu allen anderen Knoten: perations Management Kapitel / perations Management Kapitel / eispiel II Man bestimme die kürzesten Wege zwischen allen Knoten: - perations Management Kapitel /
Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1
Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung
MehrGraphen. Leonhard Euler ( )
Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
Mehr1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen
Programm heute lgorithmen und atenstrukturen (für T/IT) Sommersemester 0 r. Tobias Lasser omputer ided Medical Procedures Technische Universität München inführung rundlagen von lgorithmen rundlagen von
MehrÜbersicht Datenstrukturen und Algorithmen. Übersicht. Probleme auf kantengewichteten Graphen. Vorlesung 14: Minimale Spannbäume
Übersicht atenstrukturen und lgorithmen Vorlesung : Prof. r. rika Ábrahám Theorie ybrider Systeme Informatik http://ths.rwth-aachen.de/teaching/ss-/ datenstrukturen-und-algorithmen/ 1 reedy lgorithmen
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
Mehr10. Übungsblatt zu Algorithmen I im SoSe 2016
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. r. ennis ofheinz Lukas arth, Lisa Kohl 0. Übungsblatt zu lgorithmen I im SoSe 0 https://crypto.iti.kit.edu/index.php?id=algo-sose
MehrKürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
MehrAlgorithmen und Datenstrukturen
Prof. r. V. Linnemann Lübeck, den. Oktober 00 Universität zu Lübeck Institut für Informationssysteme lgorithmen und atenstrukturen Sommersemester 00. Klausur Lösungen Hinweis: chten Sie bei Programmieraufgaben
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
Mehr40. Algorithmus der Woche Das Travelling Salesman Problem oder die optimale Tour für den Nikolaus
40. lgorithmus der Woche as Travelling Salesman Problem oder die optimale Tour für den Nikolaus utor Stefan Näher, Universität Trier as Problem des Handlungsreisenden as Travelling Salesman Problem (TSP)
MehrOptimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn
Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph
MehrWege, Pfade und Kreise
Wege, Pfade und Kreise ef.: in Weg ist eine olge von Knoten (v 1, v2,..., vk), so dass {vi,vi+1} für alle 1 i
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen
Mehr6. Flüsse und Zuordnungen
6. Flüsse und Zuordnungen Flußnetzwerke 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrZusammenfassung des 2. Abends
lgorithmen in der iologie r. Hans-Joachim öckenhauer r. ennis Komm Zusammenfassung des. bends Zürich, 0. pril 0 lignment-verfahren Für einen Überblick über die lignment-lgorithmen zur estimmung der Ähnlichkeit
MehrLineare Programmierung
asis Definition 3.38 Gegeben sei ein LP in der Normalform mit m als Rang der Matrix 2 R m n. x 2 R n mit x = b heißt asislösung gdw. n m Komponenten x i gleich Null und die zu den restlichen Variablen
MehrDatenstrukturen. einfach verkettete Liste
einfach verkettete Liste speichert Daten in einer linearen Liste, in der jedes Element auf das nächste Element zeigt Jeder Knoten der Liste enthält beliebige Daten und einen Zeiger auf den nächsten Knoten
MehrLogistik: Transport. Grundlagen, lineare Transportund Umladeprobleme. Von Dr. Wolfgang Domschke. o. Professor für Betriebswirtschaftslehre
Logistik: Transport Grundlagen, lineare Transportund Umladeprobleme Von Dr. Wolfgang Domschke o. Professor für Betriebswirtschaftslehre Zweite, ergänzte Auflage TECHNISCH!: MOC cchule DARiviSTAOT j P e
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
Mehr1 Kürzeste Pfade in Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 03.11.2011 1 1 Kürzeste Pfade in Graphen Es sei ein gerichteter Graph G = (V, E) mit V = n Knoten, E = m Kanten und Kantengewichten c : E R gegeben. Ein Pfad in G
Mehr3.6 Branch-and-Bound-Verfahren
36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von
MehrWeiterführendes Programmieren Lineare Widerstandsnetzwerke II Aufgabenblatt 6. 1 Zusammenfassung der elektrotechnischen Begriffe
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph. D. Dr. Elmar Zander Wintersemester 2013/14 14. November 2014 Weiterführendes Programmieren Lineare
MehrLösungsvorschläge Aufgaben 14.1, 14.3, 14.4
Lösungsvorschläge ufgaben.,.,. ufgabe. Wir starten mit dem gegebenen Graphen, dessen Restgraph beim Nullfluss ϕ 0 dem ingabenetzwerk entspricht. ktueller Fluss: Restgraph: 0/ 0/ 0/ 0/ 0/5 0/ 0/ 0/8 5 8
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrPrüfungsklausur Operations Research,
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 A Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte
MehrPrüfungsklausur Operations Research,
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 B Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte
MehrTutoraufgabe 1 (Floyd-Warshall):
für Informatik Prof. aa r. Ir. Joost-Pieter Katoen atenstrukturen und lgorithmen SS hristian ehnert, Friedrich Gretz, enjamin Kaminski, Thomas Ströder Tutoraufgabe (Floyd-Warshall): etrachten Sie den folgenden
MehrKlausur Management Science. Donnerstag, 19. Februar 2015
run Lehrstuhl fiir Operations Management Prof. Dr. Rainer Kolisch ArcisstraBe 21, 80333 Miinchen Klausur Management Science Donnerstag, 19. Februar 2015 Name: Vorname: Matrikelnummer: Studiengang: Fachsemester:
MehrRichtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.
Gegeben sei ein Netzwerk N = (V, A, c, s, t) wie in der Vorlesung. Ein maximaler s-t-fluss kann immer mit Hilfe einer Folge von höchstens A Augmentationsschritten gefunden werden. Wendet man den Dijkstra-Algorithmus
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrAlgorithmen und Datenstrukturen 13
19. Juli 2012 1 Besprechung Blatt 12 Fragen 2 Bäume AVL-Bäume 3 Graphen Allgemein Matrixdarstellung 4 Graphalgorithmen Dijkstra Prim Kruskal Fragen Fragen zu Blatt 12? AVL-Bäume AVL-Bäume ein AVL-Baum
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrOptimierung I. Dr. Ulf Lorenz F2.413
Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:
MehrEDM, Algorithmen und Graphenspeicherung
EDM, Algorithmen und Graphenspeicherung 1 Graphenspeicherung Gespeichert werden soll ein Graph G = (V, E) bzw. Digraph D = (V, A). Man beachte: E ( ) V 2 bzw. E V 2 1.1 Adjazenzmatrix Graph G: A = (a vw
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 05 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute Einführung Grundlagen von Algorithmen Grundlagen
MehrAlgorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck. 10 Matching-Probleme
10 Matching-Probleme 10.1 Definition von Matching-Probleme Definition 21 [2-dimensionales Matching] Sei G = (V, E) ein ungerichteter Graph und E E. E ist ein Matching, wenn für alle Kantenpaare e 1, e
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrKap. 5: Graphen. Carsten Gutwenger Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund. 17. VO DAP2 SS
Kap. 5: Graphen Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 17. VO DAP2 SS 2009 23. Juni 2008 1 Motivation Warum soll ich heute hier bleiben? Graphen sind wichtig und
MehrEffiziente Algorithmen II
10. Präsenzaufgabenblatt, WiSe 2014/15 Übungstunde am 19.01.2015 Aufgabe Q Betrachten Sie das Knapsackpolytop P = conv(v ) mit V = {x n i=1 a ix i α} {0, 1} n für gegebenes α und a i 0 (insbesondere ist
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen Lerneinheit : Kürzeste Pfade in Graphen Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 016.6.01 Einleitung Diese Lerneinheit beschäftigt
MehrAlgorithmen und Datenstrukturen Tafelübung 14. Jens Wetzl 8. Februar 2012
Algorithmen und Datenstrukturen Tafelübung 14 Jens Wetzl 8. Februar 2012 Folien Keine Garantie für Vollständigkeit und/oder Richtigkeit Keine offizielle Informationsquelle LS2-Webseite Abrufbar unter:
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute Einführung Grundlagen von Algorithmen
Mehr1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 0 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Einführung Grundlagen von Algorithmen Grundlagen
MehrProblemlösen in grafischen Strukturen
Problemlösen in grafischen Strukturen Modul 31801 - Zusammenfassung Version vom 01.04.2019 Fernstudium Guide - Problemlösen in graphischen Strukturen - Seite 1 Impressum Herausgeber: FSGU AKADEMIE - Ein
MehrOptimierung. Vorlesung 08
Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T
MehrEin Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.
Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten
MehrLösungsvorschläge zur Hauptklausur 1661 Datenstrukturen I
Lösungsvorschläge zur Hauptklausur 1 atenstrukturen I 7.. ernuniversität in Hagen lle Rechte vorbehalten Seite 2 Lösungsvorschläge zur Klausur vom 7.. Kurs 1 atenstrukturen I ufgabe 1 (a) algebra sorts
MehrGrundbegriffe der Informatik Tutorium 8
Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrProgrammierung 2 Studiengang MI / WI
Programmierung 2 Studiengang MI / WI Dipl.-Inf., Dipl.-Ing. (FH) Michael Wilhelm Hochschule Harz FB Automatisierung und Informatik mwilhelm@hs-harz.de Raum 2.202 Tel. 03943 / 659 338 Fachbereich Automatisierung
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrGraphalgorithmen II. Werner Sembach Werner Sembach Graphalgorithmen II / 22
Graphalgorithmen II Werner Sembach 14.04.2014 Werner Sembach Graphalgorithmen II 14.04.2014 1 / 22 Übersicht Datenstrukturen Union-Find Fibonacci-Heap Werner Sembach Graphalgorithmen II 14.04.2014 2 /
MehrInhalt. 2 Transportoptimierung Das klassische Transportproblern Modell 73
Inhalt 1 Lineare Optimierung 13 1.1 Das Modell der linearen Optimierung 13 1.2 Graphische Lösung 20 1.3 Der primale Simplexalgorithmus 23 1.3.1 Grundlagen 24 1.3.2 Der Optimalitätstest 27 1.3.3 Verbesserungsschritt
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 02.07.2015 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrGraphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
Mehr6 Flüsse und Matchings
6. Flüsse in Netzwerken Flußnetzwerke 6 Flüsse und Matchings In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert werden
MehrGraphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts
Algorithmen zur Visualisierung von Graphen Lagenlayouts Marcus Krug Institut für Theoretische Informatik 25.06.2009 1/ 41 E-Mail-Graph der Fakultät für Informatik 2/ 41 E-Mail-Graph der Fakultät für Informatik
Mehr2. Das single-source-shortest-path-problem
. Das single-source-shortest-path-problem Zunächst nehmen wir an, dass d 0 ist. Alle kürzesten Pfade von a nach b sind o.b.d.a. einfache Pfade.. Dijkstra s Algorithmus Gegeben: G = (V, A), (A = V V ),
Mehr1 Datenstrukturen Datenstrukturen und Algorithmen
1 Datenstrukturen 1.1 Abstrakte Datentypen 1.2 Lineare Strukturen 1.3 Bäume 1.4 Prioritätsschlangen 1.5 Graphen 1 1.5 Graphen Darstellung allgemeiner Beziehungen zwischen Objekten/Elementen Objekte = Knoten:
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri FR.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 011 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII
Mehr6. Flüsse und Zuordnungen
6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über solch eine Kante pro Zeiteinheit transportiert werden können. Wir können uns einen
Mehr2. Präsenzübung Datenstrukturen und Algorithmen SS 2014
Prof. aa Dr. E. Ábrahám F. orzilius, S. Schupp, T. Ströder 2. Präsenzübung Datenstrukturen und lgorithmen SS 2014 Vorname: Nachname: Studiengang (bitte genau einen markieren): Informatik Bachelor Informatik
MehrLösungen zu Kapitel 5
Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V
MehrGraphalgorithmen I. Organisatorisches. VL-14: Graphalgorithmen I. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger
Organisatorisches VL-14: raphalgorithmen I (atenstrukturen und lgorithmen, SS 2017) erhard Woeginger Vorlesung: erhard Woeginger (Zimmer 4024 im 1) Sprechstunde: Mittwoch 11:15 12:00 Übungen: Tim Hartmann,
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
MehrEffiziente Algorithmen I
9. Präsenzaufgabenblatt, WiSe 2013/14 Übungstunden am 13.01. & 15.01.2014 Aufgabe Q Gegeben sei ein Fluss-Netzwerk mit Digraph D = (V, A), Knotenkapazitäten c(u, v) 0, Quelle s und Senke t. Kann sich der
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 12, Donnerstag, 23.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag,. Januar 04 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
MehrDas Relationenproblem. Erstellt am: Geändert am: Josef Hübl (Triple-S GmbH) Version 1.0
Version 1.0 utor: Josef Hübl Erstellt am: 25.11.2003 Geändert am: 30.06.2006 Von: Josef Hübl (Triple-S GmbH) Inhaltsverzeichnis Seite 2 von 10 INHLTSVERZEICHNIS Seite 1. DS RELTIONENPROLEM...3 1.1 RELTIONEN
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrGlobalübungsaufgabe1 (All Pair Shortest Path):
Prof. aa r. Ir. G. Woeginger atenstrukturen und lgorithmen SS7 Tutoriumslösung - Übung 0 (bgabe 2.07.207) T. Hartmann,. Korzeniewski,. Tauer Globalübungsaufgabe (ll Pair Shortest Path): etrachten Sie den
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrGraphen Jiri Spale, Algorithmen und Datenstrukturen - Graphen 1
Graphen 27 Jiri Spale, Algorithmen und Datenstrukturen - Graphen Motivation Einsatz: Berechnung von Entfernungen Auffinden von Zyklen in Beziehungen Ermittlung von Verbindungen Zeitmanagement Konzept:
MehrGraphenalgorithmen I
Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket
MehrAlgorithmische Mathematik I
Algorithmische Mathematik I Wintersemester 2011 / 2012 Prof. Dr. Sven Beuchler Peter Zaspel Übungsblatt zur Wiederholung Teil 1. Abgabe am -. Aufgabe 1. a) Was ist eine B-adische Darstellung mit fixer
MehrDatenstrukturen und Algorithmen
Prof. Dr. Erika Ábrahám Datenstrukturen und Algorithmen 1/1 Datenstrukturen und Algorithmen Vorlesung 14: Prof. Dr. Erika Ábrahám Theorie Hybrider Systeme Informatik 2 http://ths.rwth-aachen.de/teaching/ss-14/
MehrVorlesung 2: Graphentheorie
Vorlesung 2: Graphentheorie Markus Püschel David Steurer Peter Widmayer Algorithmen und Datenstrukturen, Herbstsemester 2017, ETH Zürich Funktionsgraph bekannt aus der Schule hat aber leider nichts mit
Mehr