Mathematik und Statistik für Raumplaner I
|
|
- Dörte Vogt
- vor 7 Jahren
- Abrufe
Transkript
1 Mathematik und Statistik für Raumplaner I Graphentheorie und Kombinatorik Wintersemester 2010/2011 Leiter und Autor: A. Prof. Dr. Wolfgang Feilmayr Fachbereich Stadt- und Regionalforschung 1
2 Grundbegriffe und Definitionen der Graphentheorie Ein ungerichteter Graph (V, E) besteht aus einer Menge von Knoten (Vertices) V = {v i } und einer Menge E = {e i } von ungeordneten Paaren e i = (v i,v j ), den Kanten (Edges) von G. Die Kante e i = (v i,v j ) verbindet die Knoten v i und v j. Auf sich selbst bezogene Kanten e i = (v i,v i ) nennt man Schlingen. Beispiel für einen ungerichteten Graphen (mit 4 Knoten): V1 V3 V2 V4 Die Anzahl der Kanten, die zu einem Knoten inzident sind (dort zusammentreffen), heißt Grad des Knoten. Zwei Kanten heißen adjazent (benachbart), wenn sie einen gemeinsamen Knoten besitzen. Ein Graph heißt planar, wenn seine Knoten und Kanten so in einer Ebene liegen, daß sich zwei Kanten nur in einem Knoten kreuzen. 2
3 Sind in einem Graphen je zwei verschiedene Knoten durch eine Kante verbunden, so heißt der Graph vollständig. Eben oder planar kann ein vollständiger Graph nur dann sein, wenn er höchstens 4 Knoten besitzt. Maximaler planarer Graph Ein Knoten vom Grad 1 heißt ein Endpunkt des Graphen. Eine Kante, die in einem Endpunkt endet, heißt eine Endkante. Die Anzahl der Knoten mit ungeradem Grad ist stets gerade. Eine Kantenfolge in einem Graphen ist eine endliche Folge von Kanten, sodaß je zwei aufeinanderfolgende Kanten einen Knoten gemeinsam haben. Die Kantenfolge ist offen, wenn Anfangs- und Endpunkt nicht identisch sind, sonst heißt sie geschlossen. Ein Weg oder eine Bahn ist eine offene Kantenfolge, in der außerdem alle Knoten verschieden sind. Die Anzahl der Kanten in 3
4 einer Kantenfolge wird als Länge der Kantenfolge bezeichnet, der Weg kleinster Länge zwischen zwei Knoten v i und v j ist der Abstand d (v i,v j ) dieser Knoten. Ein Kreis oder Zyklus ist ein geschlossener Kantenzug, bei dem bis auf Anfangs- und Endknoten alle Knoten verschieden sind. Beispiele: V6 V5 V4 V1 V2 e 1 - e 2 - e 2 - e 5 : e 1 - e 2 - e 3 - e 4 - e 5 - e 1 : e 1 - e 2 - e 3 - e 4 - e 6 : e 1 - e 2 - e 3 - e 4 - e 8 : offene Kantenfolge geschlossene Kantenfolge Weg oder Bahn Kreis oder Zyklus Ein Teilgraph (Subgraph) G 1 (V 1, E 1 ) eines gegebenen Graphen G (V, E) besitzt eine Teilmenge V 1 ε V seiner Knoten und eine Teilmenge E 1 ε E seiner Kanten. Behält man beim gegebenen Graphen G alle seine 4
5 Knoten zurück, entfernt jedoch eine oder mehrere Kanten, so erhält man einen spannenden Teilgraph (partiellen Graphen) von G. Entfernt man einen oder mehrere Knoten und alle Kanten, die mit diesem(n) Knoten inzident sind, so erhält man eine Untergraphen von G. Ein Graph heißt zusammenhängend, wenn sich je zwei verschiedene Knoten durch zumindest einen Weg miteinander verbinden lassen. Ein isolierter Teilgraph ist ein Teil eines Graphen ohne direkte Kantenverbindung zu diesem. 5
6 Beispiele: 6
7 Bestehen Graphen aus Kanten, denen nichtsymmetrische Beziehungen zugrunde liegen (Abwasserflüsse in Entsorgungsnetzen oder Einbahnen in Verkehrssystemen), so spricht man von gerichteten Graphen. Hier ist zusätzlich jede Kante orientiert. Die Orientierung wird durch einen Richtungspfeil ausgedrückt. Ein symmetrischer Graph, bei dem alle Kanten entgegengesetzt parallel sind, darf jedoch nicht mit dem scheinbar äquivalenten ungerichteten Graphen verwechselt werden. Beispiele: 7
8 Ein Graph heißt Baum, wenn gilt, dass für je zwei seiner Knoten nur jeweils ein Weg existiert, der diese Knoten verbindet. Ist ein Baum vollständig, so ist die Zahl der Kanten immer um eins geringer als die Zahl der Knoten (E = V-1). Ist ein spannender Teilgraph G 1 eines Graphen G zugleich Baum, so spricht man von einem spannenden Baum oder einem Gerüst. Beispiel: 8
9 Besteht ein Baum nur aus gerichteten Kanten und existiert ein einziger Knoten, zu dem keine Kante führt, so spricht man von einem Wurzelbaum oder Aboreszenz. Knoten von denen keine Kante wegführt, nennt man Endknoten oder Blätter. Wurzelbäume eignen sich zur Darstellung (1) hierarchischer Strukturen und (2) Verteilungsstrukturen In vielen Anwendungsbereichen der Graphentheorie werden den einzelnen Kanten Werte zugeordnet. Man spricht dann von bewerteten Graphen. Als Beispiele seien Transportkapazitäten oder Entfernungen in Infrastrukturnetzen angeführt. 9
10 Ausgewählte Maßzahlen der etzstruktur 1. Index (zyklomatische Zahl) = e - v + q e v q Anzahl der Kanten Anzahl der Knoten Anzahl der Teilgraphen Bei isolierten Teilnetzen (Subgraphen) und Bäumen, die laut Definition keine geschlossenen Kantenzüge enthalten, nimmt der Index als Maßzahl für den zyklischen Grad eines Graphen den Wert 0 an, mit zunehmender Zyklenzahl im Graphen entsprechende ganzzahlige Werte. 2. Index = e/v Der Index ergibt sich aus dem Verhältnis zwischen der Kanten- und der Knotenzahl eines Graphen. Ähnlich wie beim Index m charakterisieren hohe Indexwerte komplizierte etzstrukturen, niedrige Werte einfache etzstrukturen: Bäume und isolierte Teilgraphen haben Werte < 1. Man spricht dann auch von verästelten etzen. Der Wert 1 gilt für etze mit nur einem 10
11 geschlossenen Kantenzug (wenn man von Schlingen absieht). Hohe Werte von gelten für ausgedehnte etze mit hoher Kantenzahl. Man spricht dann auch von vermaschten etzen. 3. Index = e / (½(v * (v-1)) Der Index gibt das Verhältnis zwischen der tatsächlichen und der maximal möglichen Kantenzahl in einem Graphen an. Der Wert 1 gilt für vollständige Graphen, Werte nahe bei 0 charaktersieren verästelte etze. Anmerkung: Die Maximalzahl von Kanten in einem vollständigen Graphen beträgt v * (v-1), wenn keine Mehrfachkanten zwischen einzelnen Knoten und keine Schlingen zugelassen sind. Bei vielen Anwendungen bewerteter und gerichteter Graphen (beispielsweise zwei Straßen zwischen zwei Standorten) müssen aber diese Restriktionen aufgegeben werden. 11
12 Beispiele: = = 3 = = 0 β = 7/5 β = 3/5 γ = 7/10 γ = 3/10 4. Index (Durchmesser) = x max y d(x,y) d(x,y) x max y kürzeste Länge (Kantenzahl) zwischen x und y x und y sind die voneinander weitest entfernten Knoten Der Parameter bezeichnet die topologische Länge oder die Ausdehnung des Graphen, d.h. die Kantenzahl im kürzesten Kantenzug zwischen den am weitesten voneinander entfernten Knoten. 12
13 Beispiele: d = 2 d = 4 5. Index α(e) (Assoziationsindex, Königszahl) Dieser Index beschreibt für einen bestimmten Knoten die maximale Anzahl der Kanten zwischen dem betreffenden Knoten und jedem beliebigen Knoten im etz. Er ist somit ein Maß für topologische Distanzen und deutet an, daß Knoten mit einem niedrigen Assoziationsindex eine zentrale Stellung im etz einnehmen. 13
14 Matrixanalyse Gerichtete Graphen können arithmetisch in Form der sogenannten Adjazenzmatrix A={a ij } dargestellt werden. a ij = 1, wenn eine Kante zwischen den Knoten i und j existiert, ansonsten ist a ij = A = In der k-ten Potenz A k ("(k-1)-mal mit sich selbst multipliziert") der Adjazenzmatrix gibt das Element 14
15 a ij (k) die Anzahl der gerichteten Kantenfolgen der Länge k von i nach j an. Beispiel: A (2) = A (3) = Es existieren beispielsweise ein gerichteter Weg der Länge 2 von Knoten 2 zu Knoten 1 oder 2 gerichtete Wege der Länge 3 von 4 nach 3. Anwendungen der Graphentheorie in der Raumplanung und Regionalwissenschaft Wie kaum eine andere mathematische Disziplin hat die Graphentheorie Eingang in die Raumplanung und Regionalwissenschaft gefunden. Die Anwendungsgebiete reichen dabei von einfachen Formalisierungen bis zu komplexen Algorithmen und Modellen. Im Rahmen der Lehrveranstaltung "Mathematik und Statistik" kann nur auf die wichtigsten Anwendungen hingewiesen werden; eine Detaillierung einzelner Verfahren wird in speziellen Lehrveranstaltungen (z.b. Methoden der Regionalanalyse; Kleinräumige Standortbewertung) geboten. 15
16 1. Einfache Formalisierungen Graphen zur Abbildung von Infrastrukturnetzen: Knoten sind einzelne Standorte; Kanten sind Leitungen der Infrastruktur (Verkehr, Ver- und Entsorgung); Bewertungen sind Kapazitäten, Transportströme, Interaktionen, Entfernungen. Graphen zur Abbildung von Grenznetzen: Knoten sind ausgewählte geografische Punkte; Kanten sind Grenzen; Bewertungen sind Überwindungswiderstände. 2. Komplexe Algorithmen und Modelle Kürzeste-Wege-Algorithmen: Berechnung von "Kürzesten Wegen" (in den Dimensionen "Entfernung" oder "Zeit") zwischen einzelnen Standorten aus Entfernungsmatrizen. Diese Matrizen sind eine wichtige Voraussetzung für Modelle der Lagegunst und von Interaktionsbeziehungen. Strömungsmodelle: Ermittlung maximaler Ströme; Ermittlung kostenminimaler Ströme in Leitungsnetzen. Modelle optimaler Routensuche: Briefträgerproblem; Travelling-Salesman- Problem. 16
17 Grundbegriffe und Defintionen der Kombinatorik 1. Das Summenzeichen i1 a i = a 1 + a a Es gilt: i1 (a i + b i ) = i1 a i + i1 b i i1 ca i = c i1 a i i1 (a i b i ) i1 a i i1 b i 17
18 2. Das Produktzeichen i1 a i = a 1 a 2... a es gilt: i1 (a i b i ) = i1 a i i 1 b i i1 ca i = c i 1 a i i1 i =! -Faktorielle Definition: 0! = 1 Beispiel: 5! = 5 x 4 x 3 x 2 x 1 = 120 Produktregel der Kombinatorik Sind n Entscheidungen zu treffen und die Entscheidung jeder Stufe 1, 2, 3,..., lässt jeweils m 1, m 2, m 3,..., m n Möglichkeiten zu, so erhält man die Gesamtszahl der Entscheidungsmöglichkeiten, indem man die Anzahl der 18
19 Entscheidungsmöglichkeiten jeder einzelnen Stufe miteinander multipliziert: k = m 1. m 2. m 3.,,,.m n Beispiel: Drei Patienten kommen in ein Wartezimmer mit 6 Stühlen. Wieviele Möglichkeiten gibt es für diese Leute, auf den Stühlen Platz zu nehmen? Der erste Patient hat 6 Stühle (Möglichkeiten) zur Auswahl, der zweite nur noch 5 Stühle und der dritte Patient kann dann nur noch unter 4 Stühlen auswählen. Es gibt also =120 verschiedene Sitzordnungen. Summenregel der Kombinatorik Haben die beiden unvereinbaren Ereignisse E 1 oder E 2 genau m 1 bzw. m 2 Möglichkeiten für ihr Auftreten, dann gibt es für das zusammengesetzte Ereignis E 1 oder E 2 genau m 1 + m 2 Möglichkeiten. Beispiel: Lisa spielt mit ihrer Puppe. Sie will aus einer Kiste mit 2 gelben und 3 roten Hosen sowie 2 schwarzen und 4 blauen Jacken eine Kleiderkomposition für ihre Puppe zusammenstellen. Wieviele Möglichkeiten hat sie dazu? Für die Auswahl der Hosen gibt es = 5, für die Jacken = 6 Möglichkeiten (Summenregel). Insgesamt hat Lisa dann 5. 6 = 30 Möglichkeiten, ihre Puppe anzukleiden (Produktregel). 19
20 Permutationen Permutationen sind definiert als beliebige Anordnungen einer Menge M von vorgegeben Elementen. M = {a,b,c,d} Permutationen: abcd abdc acbd.. 1. Permutationen ohne Wiederholungen P =! P... Anzahl der Permutationen von Elementen ohne Wiederholungen 2. Permutationen mit Wiederholungen P w =! / (w 1! w 2!...) P w... Anzahl der Permutationen von Elementen mit Wiederholungen w i... Wiederholungen des Elementes i Beispiel: M = {a,a,a,b,b,c,d,d,d,d} P 10w = 10! / (3! 2! 1! 4!) =
21 Variationen Variationen sind definiert als Auswahl von K Elementen aus einer Menge M von Elementen unter Berücksichtigung ihrer Anordnung. 1. Variationen ohne Wiederholungen V (K) =! / ( - K)! V (K)... Variationen der Klasse K von Elementen ohne Wiederholungen Beispiel: Bei der Bepflanzung einer Straße stehen für 3 Baumscheiben 10 Baumarten zur Verfügung. Wieviele Möglichkeiten der Bepflanzung gibt es, wenn kein Baum doppelt vorkommen darf? V 10 (3) = 10! / 7! = 10*9*8 = Variationen mit Wiederholungen V w (K) = K V w (K)...Variationen der Klasse K von Elementen mit Wiederholungen Beispiel: Zahl der verschiedenen Tipmöglichkeiten im Fußballtoto: V 3w (12) = 3 12 =
22 Kombinationen Kombinationen sind definiert als Auswahl von K Elementen aus einer Menge M von Elementen ohne Berücksichtigung ihrer Anordnung. 1. Kombinationen ohne Wiederholungen C (K) =! K!( K)! K C (K)... Zahl der Kombinationen von Elementen der Klasse K ohne Wiederholungen Beispiel: Zahl der Wettmöglichkeiten beim Lotto 6 aus 45: C 45 (6) = 45! / (6! 39!) = Kombinationen mit Wiederholungen C w (k) = K K 1 C w (k)... Anzahl der Kombinationen von Elementen der Klasse K mit Wiederholungen Beispiel: 22
23 In einem Urlaubsort werden (täglich) 10 geführte ganztägige Wanderungen angeboten. Wieviele Kombinationsmöglichkeiten bestehen bei einem 7- tägigen Urlaub, wenn täglich eine Wanderung unternommen wird? C 10w (7) = 16! / (7! 9!) = Anwendungen der Kombinatorik in der Raumplanung und Regionalwissenschaft Spezifische Anwendungen der Kombinatorik sind in der Raumplanung und Regionalwissenschaft eher selten. Die verwendeten Beispiele zeigen aber von den vielfältigen Anwendungsmöglichkeiten der Kombinatorik bei Auswahlproblemen aller Art. Als Grundlage der Statistik und vor allem der Wahrscheinlichkeitstheorie hat die Kombinatorik ihren Platz in der angewandten Mathematik. 23
24 Übungsbeispiele Graphentheorie und Kombinatorik 1. Gegeben ist folgender ungerichter Graph: Ermitteln Sie die Kennzahlen,, und sowie für alle Knoten die Königszahl. Zeichnen Sie einen spannenden Baum des Ausgangsgraphen! 24
25 2. Gegeben ist folgender bewertete ungerichtete Graph: Ermitteln Sie den Indizes! 3. Ermitteln Sie für den gegebenen Graphen die Adjazenzmatrix und stellen Sie fest (1) wieviele Kantenfolgen der Länge 2 von Knoten 3 nach 4 bzw. von 1 nach 5 führen, (2) wieviele Kantenfolgen der Länge 3 es zwischen den Knoten 6 und 2 gibt. 4. Zeigen Sie (mit Hilfe kombinatorischer Verfahren), daß die Zahl der Kanten in einem ungerichteten, vollständigen Graphen gleich ist (n(n-1)/2) (n... Knotenzahl). 5. Wieviele Möglichkeiten gibt es beim Lotto 6 aus 45 einen Dreier (Vierer, Fünfer) zu tippen? 6. Im neuen Studienplan gilt es 6 Wahlfächer aus einem Katalog von 22 Möglichkeiten auszuwählen. (a) wieviele Möglichkeiten gibt es insgesamt? (b) wieviele Möglichkeiten gibt es, wenn man die 4 Lehrveranstaltungen der Dozenten Blaas und Feilmayr unbedingt vermeiden möchte? (c) wieviele Möglichkeiten gibt es, wenn die 3 Veranstaltungen von Prof. Schönbäck unbedingt dabei sein sollten? 25
Einheit 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)
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrGraphen und Bäume. A.1 Graphen
Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrUniv.-Prof. Dr. Goulnara ARZHANTSEVA
Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 08: Menger, König und Hall / Planare Graphen 1 / 30 Der Satz von Menger: s t trennende Kantenmenge
Mehr2. Repräsentationen von Graphen in Computern
2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
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
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrGraphen. 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
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
MehrGraphentheorie. Algebraic Graph Theory von Chris Godsil und Gordon Royle. Kapitel Seminararbeit. von. Katharina Mayr
Graphentheorie Algebraic Graph Theory von Chris Godsil und Gordon Royle Kapitel 1.1 1.3 Seminararbeit von Katharina Mayr 01210559 Universität Graz Insitut für Mathematik und wissenschaftliches Rechnen
Mehr1 Beispiele für Graphen
Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem
Mehr8: Bipartite Graphen. s 1. bei dem es eine Kante zwischen s i und k gibt, wenn der Schüler s i die Note k für seine Arbeit bekommen hat.
Chr.Nelius: Graphentheorie (WS 2018/19) 8 Bipartite Graphen 26 8: Bipartite Graphen In einer Schulklasse mit 24 Schülern s 1,s 2,s 3,...,s 24 wurde eine Mathe Arbeit geschrieben. Um das Ergebnis bildlich
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrA B = {(a,b) a A, b B}
Binäre Relationen Def: A, B zwei Mengen. Das kartesische Produkt von beiden ist A B = {(a,b) a A, b B} Eine MengeR A B heißt (zweistellige) Relation. Anstatt (a,b) R schreibt man oft auch arb. 1 SindR,S
MehrFormale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
Mehr1. Einführung. Grundbegriffe und Bezeichnungen. Beispiele. gerichtete Graphen. 1. Einführung Kapitelübersicht
1. Einführung Kapitelübersicht 1. Einführung Grundbegriffe und Bezeichnungen Beispiele Bäume gerichtete Graphen Graphentheorie HS Bonn-Rhein-Sieg, WS 2014/15 15 Das Königsberger Brückenproblem Beispiel
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
MehrAnwendungen von Graphen
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume
MehrElementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship
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
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
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
Mehr1. Einige Begriffe aus der Graphentheorie
. Einige Begriffe aus der Graphentheorie Notation. Sei M eine Menge, n N 0. Dann bezeichnet P n (M) die Menge aller n- elementigen Teilmengen von M, und P(M) die Menge aller Teilmengen von M, d.h. die
MehrZählen perfekter Matchings in planaren Graphen
Zählen perfekter Matchings in planaren Graphen Kathlén Kohn Institut für Mathematik Universität Paderborn 25. Mai 2012 Inhaltsverzeichnis Motivation Einführung in Graphentheorie Zählen perfekter Matchings
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrDiskrete 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
MehrLernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen
Folie 1 von 20 Lernmodul 2 Graphen Folie 2 von 20 Graphen Übersicht Motivation Ungerichteter Graph Gerichteter Graph Inzidenz, Adjazenz, Grad Pfad, Zyklus Zusammenhang, Trennende Kante, Trennender Knoten
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
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
MehrGrundlagen: Begriffe zu Graphen
l o a UNIVERSITÄT KONSTANZ September 18 LEHRSTUHL FÜR PRAKTISCHE INFORMATIK Prof Dr D Wagner / Annegret Liebers Grundlagen: Begriffe zu Graphen Das erste Lehrbuch zur Graphentheorie war [K ön6 (Der Nachdruck
MehrFerienkurs zum Propädeutikum Diskrete Mathematik. Technische Universität München
Ferienkurs zum Propädeutikum Diskrete Mathematik Andreas Würfl Stefan König Technische Universität München WS 09/10 Übersicht 1 Binäre Relationen 2 Elementares Zählen 3 Partitionen zählen 4 Erzeugende
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
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),
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
Mehr8. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Grundlagen
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8
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
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
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
MehrNetzwerke: Optimierung und Maßzahlen
Netzwerke: Optimierung und Maßzahlen Graph X für folgende Beispiele: Knoten v1 bis v7 Kante e(v i,v j ) in Minuten Die Graphentheorie als Instrument der Netzwerkanalyse Grundbegriffe und Eigenschaften
MehrKürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring
Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen
MehrAndré Krischke Helge Röpcke. Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen
André Krischke Helge Röpcke Graphen und Netzwerktheorie Grundlagen Methoden Anwendungen 8 Grundbegriffe der Graphentheorie für die Kante, die die beiden Knoten und verbindet. Der linke Graph in Bild. kann
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 9 Graphen Version vom 13. Dezember 2016 1 / 1 Vorlesung Fortsetzung 13. Dezember
Mehr6. Übung zur Linearen Optimierung SS08
6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl
MehrGraphen. Graphen und ihre Darstellungen
Graphen Graphen und ihre Darstellungen Ein Graph beschreibt Beziehungen zwischen den Elementen einer Menge von Objekten. Die Objekte werden als Knoten des Graphen bezeichnet; besteht zwischen zwei Knoten
MehrZur Erstellung von Verkehrsgraphen. Zur Erstellung von Verkehrsgraphen für den Individualverkehr
Zur Erstellung von Verkehrsgraphen Die Graphentheorie als Instrument der Netzwerkanalyse Grundbegriffe und Eigenschaften zur Abbildung topologischer Sachverhalte Beispiele Abbildung von Infrastruktur-
MehrPlanare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296
Kapitel 7 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 256 / 296 Inhalt Inhalt 7 Färbungen Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 257 / 296 Jordankurve Zentrale Frage
MehrVorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 2: Einführung in die Graphentheorie - Teil 2 Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. März 2018 1/48 OPERATIONEN
MehrUnendliche Graphen. Daniel Perz 24. Dezember Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind.
Unendliche Graphen Daniel Perz 24. Dezember 2011 1 Definition Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind. Definition 2. Ein Graph G=(V,E) heißt Strahl, wenn gilt
MehrFür die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt:
Der K 4 lässt sich auch kreuzungsfrei zeichnen: Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: ( ) n n (n 1) E
MehrEinführung in die Graphentheorie. Monika König
Einführung in die Graphentheorie Monika König 8. 11. 2011 1 Vorwort Diese Seminararbeit basiert auf den Unterkapiteln 1.1-1.3 des Buches Algebraic Graph Theory von Chris Godsil und Gordon Royle (siehe
MehrVorlesung 3: Graphenalgorithmen. Markus Püschel David Steurer Peter Widmayer. PDF download goo.gl/ym3spq
Vorlesung 3: Graphenalgorithmen Markus Püschel David Steurer Peter Widmayer PDF download goo.gl/ym3spq Algorithmen und Datenstrukturen, Herbstsemester 2017, ETH Zürich Gerichtete Graphen und Abhängigkeiten
MehrDer Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014
Der Fünf-Farben-Satz Lukas Schweighofer Feb.2014 1 Contents 1 Vorwort 3 2 Graphentheoretische Grundlagen 4 3 Satz 2 (Eulerscher Polyedersatz) 8 4 Satz 3 9 5 Der Fnf-Farben-Satz 10 5.1 Beweis 1..............................
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
MehrGrundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von
MehrFünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1
Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrTutorium 23 Grundbegriffe der Informatik (7. Sitzung)
Tutorium 3 Grundbegriffe der Informatik (7. Sitzung) Tutor: Felix Stahlberg SOFTWARE DESIGN AND QUALITY GROUP Source: pixelio.de KIT The cooperation of Forschungszentrum Karlsruhe GmbH and Universität
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Dipl-Math. Wolfgang Kinzner 2.4.2012 Kapitel 1: Grundlagen der algorithmischen Graphgentheorie
MehrMotivation Kap. 6: Graphen
Motivation Kap. 6: Graphen Warum soll ich heute hier bleiben? Graphen sind wichtig und machen Spaß! Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Was gibt es
MehrProgrammierkurs Python
Programmierkurs Python Stefan Thater Michaela Regneri 2010-0-29 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen für Graphen Tiefen- und Breitensuche Nächste Woche: mehr Algorithmen 2 Was
MehrMinimal spannender Baum
Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen
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
MehrÜbungsaufgaben Graphentheorie, Wintersemester 2011/12
Übungsaufgaben Graphentheorie, Wintersemester 2011/12 Frank Göring 25. Januar 2012 Zusammenfassung Übungsaufgaben zur Graphentheorievorlesung. 1 Bis 19.10.2011 1. Wir hatten einen Graphen G als zusammenhängend
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrQuicksort ist ein Divide-and-Conquer-Verfahren.
. Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.
MehrGraphentheorie. Färbungen. Knoten- und Kantenfärbungen. Knoten- und Kantenfärbungen. Rainer Schrader. 28. Januar 2008
Graphentheorie Rainer Schrader Färbungen Zentrum für Angewandte Informatik Köln 28. Januar 2008 1 / 57 2 / 57 wir wollen versuchen, die Knoten eines Graphen zu färben dabei dürfen keine zwei benachbarten
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
MehrKantengraphen und Planare Graphen. Seminararbeit
Kantengraphen und Planare Graphen Seminararbeit in Mathematisches Seminar für LAK 621.378 SS 2018 vorgelegt von Anna Maria Gärtner bei: Baur, Karin, Univ.-Prof. Dr.phil. Graz, 2018 Inhaltsverzeichnis 1
MehrGraph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten
Graphentheorie Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten gerichteter Graph (DiGraph (directed graph) E: Teilmenge E
Mehr2. Unendliche Mengen endliche vs. unendliche Mengen, abzählbare vs. überabzählbare Mengen
Diskrete Mathematik LVA 405.020 C. Fuchs Inhaltsübersicht 31.01.2018 Inhaltsübersicht Die diskrete Mathematik beschäftigt sich, im Gegensatz zur Analysis, mit diskreten anstatt kontinuierlichen (stetigen)
MehrBerechnung von Abständen
3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrNotizen zu Transformationen und Permutationen. T (A) = {f : A A}
Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil II Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 07.
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrMustererkennung: Graphentheorie
Mustererkennung: Graphentheorie D. Schlesinger TUD/INF/KI/IS D. Schlesinger () ME: Graphentheorie 1 / 9 Definitionen Ein Graph ist ein Paar G = (V, E) mit der Menge der Knoten V und der Menge der Kanten:
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
MehrFreie Bäume und Wälder
(Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese
MehrEcken des Zuordnungsproblems
Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.
Mehr