1. Übung Graphentheorie WS2016/17

Größe: px
Ab Seite anzeigen:

Download "1. Übung Graphentheorie WS2016/17"

Transkript

1 1. Übung Graphentheorie WS2016/17 1. Schreiben Sie für jede Ecke der folgenden 7 Graphen den Grad auf! Welche der Graphen sind regulär? G 1 G 2 G 5 G 3 2. Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten Graphen mit (a) p = 2 Ecken und q = 2 bzw. q = 3 Kanten, (b) p = 3 Ecken und q = 1,2,3 Kanten, Welche der Graphen sind schlicht? G 6 3. Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten schlichten Graphen mit (a) p = 6 Ecken, die 2-regulär bzw. 3-regulär sind, (b) p = 4 Ecken e 1,e 2,e 3,e 4 mit grade 1 = 1, grade 2 = grade 3 = 2, grade 4 = 3, bzw. mit grade 1 = grade 2 = 2, grade 3 = grade 4 = Bestimmen Sie alle paarweise nicht-isomorphen ungerichteten Graphen mit p Ecken und q Kanten und p+q 6. Welche der Graphen sind schlicht? G 7 G 4 (3 Punkte) 5. Untersuchen Sie, welche der 7 Graphen aus Aufgabe 1 zueinander isomorph sind! (Begründung erforderlich. ) (3 Punkte) 6. Auf einer Party befinden sich 31 Personen, und jede dieser Personen kennt genau 5 andere der anwesenden Personen. Ist das möglich?

2 7. Sei G ein Graph mit p Ecken und q Kanten. Zeigen Sie: (a) Ist m := [ 2q] 2q = max{n Z;n }, dann gibt es mindestens eine Ecke mit Grad p p größer oder gleich m. (b) Ist q = p 1, dann existiert eine Ecke e mit grade 1. (c) l der Ecken sollen den Grad k haben und die restlichen Grad k +1. Bestimmen Sie l in Abhängigkeit von p, q und k. 8. Sei G ein Graph mit mindestens 6 Ecken. Zeigen Sie: Es gibt stets 3 Ecken, die paarweise benachbart sind, oder 3, die paarweise nicht benachbart sind. 9. Sei G ein schlichter Graph mit p 2 Ecken und q Kanten. Zeigen Sie: (a) (G) δ(g) p 2. (b) Es gibt zwei Ecken mit gleichem Grad. (3 Punkte) (3 Punkte) 10. (a) Bestimmen Sie einen 4-regulären schlichten Graph mit minimaler Eckenzahl p. (b) Ist k IN ungerade, G ein k-regulärer schlichter Graph mit p Ecken und q Kanten. Zeigen Sie: Dann ist p eine gerade Zahl und q ein ganzzahliges Vielfaches von k. Abgabe der Aufgaben 4, 5, 8, 9 bis vor der Übung.

3 2. Übung Graphentheorie WS2016/ (a) Sei A = die Adjazenzmatrix des Graphen G. Zeichnen Sie den Graph und geben Sie die Inzidenzmatrix an! (b) Sind die Graphen mit den folgenden Adjazenzmatrizen isomorph? A 1 = ,A = ,A = Gegeben sei der folgende gerichtete Graph a b c d e f g h (a) Bestimmen Sie die Adjazenzmatrix und die Inzidenzmatrix des Graphen. (b) Bestimmen Sie einen gerichteten Weg mit größtmöglicher Länge ( = Kantenzahl). 13. Sei G ein gerichteter Graph mit p Ecken. Zeigen Sie: Ist p ungerade und hat jede Ecke ungeraden Ausgangsgrad, dann gibt es eine ungerade Anzahl von Ecken mit ungeradem Eingangsgrad. (1 Punkt) 14. Sei G ein gerichteter Graph, der keine (gerichteten) Kreise enthält. Zeigen Sie: Es gibt mindestens eine Ecke e mit grad (e) = Sei G ein gerichteter Graph G mit p Ecken. G heißt k-regulär, wenn für jede Ecke e gilt grad + e = grad e = k. (a) Geben Sie für beliebiges p 2 ein Beispiel für einen schlichten gerichteten 1-regulären Graphen an. (b) Geben Sie für p = 3, p = 4 und p = 5 jeweils ein Beispiel für einen schlichten gerichteten 2-regulären Graphen an.

4 (c) Zeigen Sie: Für beliebiges p 2 existiert ein schlichter gerichteter (p 1)-regulärer Graph. (d) Zeigen Sie: Für beliebige p IN und k Z mit 0 k < p gibt es einen schlichten k-regulären gerichteten Graphen. (6 Punkte) 16. Welche der folgenden Graphen sind bipartit? Begründung! G 1 G 2 G 3 G (a) Geben Sie alle nichtisomorphen vollständigen bipartiten Graphen mit höchstens 6 Ecken an! (b) Zeichnen Sie K 1,2,2, K 2,2,2, K 2,3,3! (c) Wie viele Kanten hat K r,s,t für beliebige r,s,t IN? 18. (a) Sei G = (E,K) ein bipartiter Graph mit p Ecken und q Kanten. Zeigen Sie q p2 4. G 5 (5 Punkte) (b) Sei G = (E,K) ein r-partiter Graph mit p Ecken und q Kanten und i,j IN 0 mit p = i r + j, 0 j < r. Zeigen Sie, dass G höchstens so viele Kanten hat wie. K i+1,...,i+1,i,...,i }{{}}{{} j p j Geben Sie die maximale Kantenzahl an! 19. Seien G ein ungerichteter zusammenhängender Graph, W 1, W 2 zwei längste Wege in G (d.h. mit maximaler Kantenzahl). Zeigen Sie: W 1 und W 2 haben mindestens eine Ecke gemeinsam. Abgabe der Aufgaben 13, 15, 17 bis vor der Übung.

5 3. Übung Graphentheorie WS2016/ Sei G ein ungerichteter schlichter Graph mit p Ecken und q Kanten. Zeigen Sie: (a) Gilt (G)+δ(G)+1 p, dann ist G zusammenhängend. ( ) p r +1 (b) Hat G r Komponenten, dann gilt q. 2 (c) Aus q > (p 1)(p 2) 2 folgt: G ist zusammenhängend. (4 Punkte) 21. (a) Bestimmen Sie alle starken Komponenten des folgenden gerichteten Graphen. 3 (b) Untersuchen Sie, ob der zugehörige ungerichtete Graph eine stark zusammenhängende Orientierung hat und konstruieren Sie eine solche gegebenenfalls! 22. Sei G = (E,K) ein schlichter Graph. Der schlichte Graph G := (E,K) mit K := {uv;u,v E,u v,uv K} heißt Komplement von G oder zu G komplementärer Graph. (a) Bestimmen Sie die Komplemente folgender Graphen: G 1 G 2 (b) Für e E sei grad G (e) der Grad von e in G. Zeigen Sie: Für jedes e E gilt grad G (e)+grad G (e) = p 1. (c) In G gebe es genau eine gerade Ecke. Wie viele ungerade bzw. gerade Ecken hat G? (d) Zeigen Sie: Ist G nicht zusammenhängend, dann ist G zusammenhängend. Gilt auch die Umkehrung? G 3 (4 Punkte)

6 23. Sei G = (E,K) ein schlichter Graph mit p Ecken. G heißt selbstkomplementär, wenn G und G isomorph sind. (a) Zeigen Sie: Jeder selbstkomplementäre Graph ist zusammenhängend. (b) Geben Sie Beispiele für selbstkomplementäre Graphen an mit p {1,2,3,4,5,8}. (c) Zeigen Sie: Ist G selbstkomplementär, dann gilt p = 4k oder p = 4k +1 mit geeignetem k IN Kann man ein einzelnes Drahtstück so biegen, daß ein Kantenmodell eines Würfels entsteht? Wie sieht es bei einem Oktaeder aus? 25. Konstruieren Sie für folgenden Graph eine Euler-Tour mit Hilfe der Methode aus dem Beweis zu Satz bzw ! h i k d e f g a b c 26. Sei G = (E,K) ein Eulerscher Graph mit q Kanten. Weiter sei S := {e E; 1 grad(e) ist ungerade}. 2 Zeigen Sie: Ist q ungerade, dann hat S eine ungerade Anzahl von Elementen. 27. Zeigen Sie, daß der Dodekaedergraph aus Kapitel 1.3 Hamiltonsch ist. Abgabe der Aufgaben 20 a,c, 21, 22, 25 a bis vor der Übung.

7 4. Übung Graphentheorie WS2016/ Zeigen Sie: (a) Jeder kreisfreie Graph mit p 2 Ecken ist bipartit. (b) Die Graphen K 1,n, n IN, sind die einzigen vollständigen bipartiten Graphen, die Bäume sind. 29. Sei G ein schlichter ungerichteter Graph mit p Ecken und q Kanten. Zeigen Sie: Hat G genau zwei Komponenten, die beide nicht regulär sind, dann gilt (G)+δ(G)+3 p. 30. Untersuchen Sie, welcher der beiden folgenden Graphen Hamiltonsch ist! (3 Punkte) G 1 G 2 (3 Punkte) 31. Sechs Personen a,b,c,d,e,f sollen so an einem runden Tisch plaziert werden, dass jede Person ihre beiden Tischnachbarn noch nicht kennt. Die Bekanntschaftsverhältnisse seien durch folgende Adjazenzmatrix a b c d e f a b c d e f gegeben. Dabei bedeutet 1, dass die beiden Personen sich kennen, und 0, dass sie sich nicht kennen. Geben Sie, wenn möglich, eine entsprechende Sitzordnung an. 32. Sei G = (E,K) ein Hamiltonscher Graph, S E eine Teilmenge der Ecken mit k Elementen. Weiter sei G S der Graph, der entsteht, wenn man aus G die Ecken von S und die mit diesen Ecken inzidenten Kanten entfernt. Zeigen Sie: G S hat höchstens k Komponenten.

8 33. Sei G ein 3-regulärer schlichter ungerichteter Graph. Zeigen Sie: (a) In G existiert genau dann eine trennende Ecke, wenn in G eine Brücke existiert. (b) Gibt es eine Brücke in G, dann hat G mindestens 10 Ecken. (4 Punkte) 34. Sei G = (E,K) ein schlichter Graph, K = {k 1,...,k q }. Ein Graph L(G) = (E,K ) mit E = {e 1,...,e q }, K = {e i e j ; k i und k j benachbart in G} heißt Liniengraph von G. (a) Zeichnen Sie einen Liniengraph zu G (b) Zeigen Sie: Ist k = uv K, e die entsprechende Ecke in L(G), dann gilt grad L(G) e = grad G u+grad G v 2. (c) Zeigen Sie: Ist G zusammenhängend, dann auch L(G). (d) Zeigen Sie: Ist G Eulersch, dann ist L(G) Eulersch und Hamiltonsch. (e) Zeigen Sie: Ist G Hamiltonsch, dann ist L(G) Hamiltonsch. (f) Zeigen Sie: Die Umkehrung gilt jeweils nicht. Abgabe der Aufgaben 29, 30, 31, 33 bis vor der Übung.

9 5. Übung Graphentheorie WS2016/ Zeigen Sie: Ist k eine Brücke des Graphen G, dann hat G k genau eine Komponente mehr als G. Gilt entsprechendes auch für eine trennende Ecke? 36. Sei G ein kreisfreier Graph. Zeigen Sie: e ist trennende Ecke von G genau dann, wenn grad(e) > Geben Sie für folgende Graphen alle trennende Ecken an. Wenn es keine trennenden Ecken gibt, dann geben Sie minimale trennende Eckenmengen an, also Mengen S E, so dass S möglichst wenig Ecken enthält und G S mehr Komponenten hat als G. G 1 G 2 G Welcher der folgenden Graphen ist ein Baum bzw. ein Wald? e 3 e 6 e 3 e 6 e 3 e 6 e 3 e 6 e 3 e 6 e 2 e 5 e 2 e 5 e 2 e 5 e 2 e 5 e 2 e 5 e 1 e 4 e 1 e 4 e 1 e 4 e 1 e 4 e 1 G 1 G 2 G 3 G 4 G 5 e Sei G ein zusammenhängender Graph, k eine Kante in G. Zeigen Sie: k ist genau dann eine Brücke, wenn jeder spannende Baum von G k enthält, und genau dann eine Schlinge, wenn k in keinem spannenden Baum von G enthalten ist. 40. Seien g 1,...,g p natürliche Zahlen. (4 Punkte) (a) Zeigen Sie: Es gibt einen Baum B mit p Ecken e 1,...,e p und grade i = g i, 1 i p, p genau dann, wenn g i = 2p 2. i=1

10 (b) Konstruieren Sie einen Baum mit 7 Ecken und grade i = 1, 1 i 4, grade 5 = 2, grade i = 3, 6 i Bestimmen Sie alle nicht zueinander isomorphen Bäume mit 6 Ecken. 42. Bestimmen Sie alle nicht isomorphen schlichten Graphen G = (E, K) mit p Ecken, q Kanten und 3 Komponenten G 1, G 2, G 3 mit folgender Eigenschaft: (a) p = 10, q = 15, G 1 ist 4-regulär, G 2 ein Baum und G 3 ein Kreis. (3 Punkte) (b) p = 15, q = 17, G 1 ist 3-regulär, G 2 ein Baum und G 3 ein Kreis gerader Länge. Abgabe der Aufgaben 35, 37, 39, 40 b, 42 a bis vor der Übung.

11 6. Übung Graphentheorie WS2016/ Sie besitzen 8 Sendemasten, deren Position und Sendestärke durch folgender Tabelle gegeben ist: Sendemast A B C D E F G H Koordinaten (0;2) (2;0) (3;4) (5;1) (4;3) (7;4) (8;2) (10;2) Sendestärke Jeder Mast kann ein Signal aussenden, welches von allen andern Masten innerhalb seines Senderadius empfangen werden kann. Mit Hilfe dieser Masten soll ein Signal von Mast A an alle anderen Masten gesendet werden. (a) Beschreiben Sie das Problem graphentheoretisch. (b) Aus Kostengründen soll das Signal von möglichst wenigen Masten weitergesendet werden. Von wievielen Masten müssen Sie es mindestens senden? (c) Die Kosten dafür, das Signal von einem Mast aus zu senden, seien proportional zu seiner Reichweite. Welche Masten verwenden Sie zu Weiterleitung, wenn Sie die Gesamtkosten möglichst klein halten wollen? 44. Gegeben ist der folgende Graph (a) Bestimmen Sie einen minimalen spannenden Baum und seinen Wert mit dem Algorithmus von Kruskal. (b) Zeigen Sie: Mit jedem Algorithmus zur Bestimmung eines minimalen spannenden Baums kann man auch einen maximalen spannenden Baum bestimmen. (c) Bestimmen Sie einen minimalen spannenden Baum und einen maximalen spannenden Baum und die Werte mit dem Algorithmus von Prim. (8 Punkte)

12 45. Zeigen Sie: Ist G ein zusammenhängender kantenbewerteter Graph und sind die Werte verschiedener Kanten verschieden, dann gibt es für G genau einen minimalen spannenden Baum. Gilt auch die Umkehrung? (4 Punkte) 46. Gegeben sei der Graph aus folgender Abbildung mit den Kantengewichten 1, 1, 2, 2, 3, 3, 4, 4, 5, 5, 6 und 6. e 5 e 6 e 4 e 1 e 2 e 3 Verteilen Sie, wenn möglich, die Kantengewichte so, dass der Graph (a) einen eindeutig bestimmten minimalen spannenden Baum, (b) mehrere minimale spannende Bäume hat. Abgabe der Aufgaben 44, 45 bis vor der Übung.

13 7. Übung Graphentheorie WS2016/ Bestimmen Sie zu dem folgenden Graph s e 3 4 e e e e e 1 e 7 e 9 e 8 mit dem Algorithmus von Dijkstra einen Baum kürzester Wege mit Wurzel s (d.h. für jede Ecke e einen kürzesten s-e-weg). (4 Punkte) 48. Es sei G = (E,K) ein Graph mit nichtnegativen Kantengewichten w(k) für alle k K und W = (s,e 1,...,e n ) ein kürzester Weg von s nach e n. Beweisen oder widerlegen Sie: (a) Für a > 0 ist W auch ein kürzester Weg von s nach e n bezüglich der Kantengewichte w (k) := w(k)+a für alle k K. (b) Für a > 0 ist W auch ein kürzester Weg von s nach e n bezüglich der Kantengewichte w (k) := a w(k) für alle k K. 49. Es sei G = (E,K) ein Graph mit nichtnegativen Kantengewichten w(k) für alle k K und p Ecken und sei s E. Weiter sei T 1 = (E,K 1 ) ein minimaler spannender Baum und T 2 = (E,K 2 ) ein Baum kürzester Wege von s zu den anderen Ecken. Zeigen Sie w(t 1 ) w(t 2 ) (p 1) w(t 1 ). 50. Untersuchen Sie, ob folgender Algorithmus zur Suche von kürzesten Wegen auf gewichteten Graphen zum richtigen Ergebnis führt: Eingabe: ein gewichteter Graph mit nicht-negativen Gewichten. Ausgabe: kürzeste Wege vom Startknoten zu allen anderen Knoten. (1) Zu Beginn bekommen alle Ecken die Distanz unendlich. (2) Wähle eine Startecke. Sie bekommt die permanente Distanz 0 und ist nun die aktive Ecke.

14 (3) Setze als Distanz (temporäre Distanzen) der Nachbarecken der aktiven Ecke mit temporärer Distanz das Kantengewicht der anliegenden Kante(n) fest. (4) Wähle die Ecke mit der kleinsten temporären Distanz. Sie ist nun die aktive Ecke und ihre Distanz wird unveränderlich festgeschrieben (permanente Distanz). (5) Wiederhole (3) bis (4) so lange, bis es keine Ecke mit permanenter Distanz mehr gibt, deren Nachbarn noch temporäre Distanzen haben. Geben Sie gegebenenfalls einen Graphen an, in dem der angegebene Algorithmus zu (mindestens) einer Ecke nicht den kürzesten Weg ausgibt. Markieren Sie den ausgegebenen Weg im Graphen. 51. (a) Bestimmen Sie mit Hilfe des Floyd-Warshall-Algorithmus für den folgenden Graphen die Längen aller kürzesten Wege und bestimmen Sie einen kürzesten e 1 -e 2 -Weg, e 2 - e 4 -Weg, e 3 -e 5 -Weg, e 4 -e 1 -Weg bzw. e 5 -e 3 -Weg: e e 5 e e 4 10 e 3 (4 Punkte) (b) Zeigen Sie, dass die Matrix (e (p) ij ) die richtige Information für die Bestimmung der kürzesten u-v-wege liefert. 52. Führen Sie den Floyd-Warshall-Algorithmus für die Graphen aus Beispiel und (2) durch und interpretieren Sie Ihr Ergebnis. Abgabe der Aufgaben 47, 48, 50, 51 a bis vor der Übung.

15 8. Übung Graphentheorie WS2016/ Zeigen Sie, dass folgende Graphen planar sind! e 5 e 5 e 6 e 5 e 6 e 4 e 9 e 7 e 4 e e 7 6 e 4 e 3 e 10 e 8 e 3 e 7 e 8 e 1 e 2 e 1 e 2 e 1 e 3 e G 1 G 2 2 G Sei G ein ebener zusammenhängender 4-regulärer Graph mit p Ecken, q Kanten und 10 Ländern. Bestimmen Sie p und q und zeichnen Sie einen solchen Graphen. 55. Sei G ein schlichter Graph mit p 11 Ecken. Zeigen Sie: Es können nicht G und G planar sein. 56. Sei G ein schlichter zusammenhängender ebener Graph mit p Ecken, q Kanten und s Ländern, s i die Anzahl der Länder der zugehörigen Landkarte mit i Kanten. Zeigen Sie: (a) Ist G 3-regulär, dann gilt 12 = 3s 3 +2s 4 +s 5 (i 6)s i. i=7 (b) Gilt δ(g) 3, dann gibt es mindestens 1 Land mit höchstens 5 Kanten. (c) Gilt die Behauptung aus (b) auch, wenn δ(g) 2 ist? (4 Punkte) 57. (a) Sei G = K 5 oder G = K 3,3, k eine beliebige Kante von G. Zeigen Sie: G k ist planar. (b) Gilt das auch für G = K p mit p 6 oder G = K m,n mit m 3, n 4? 58. Bestimmen Sie alle (a) vollständigen planaren Graphen K p, (b) vollständigen bipartiten planaren Graphen K s,t, (c) vollständigen 3-partiten planaren Graphen K r,s,t. Abgabe der Aufgaben 54, 56 a,c, 58 bis vor der Übung. (6 Punkte)

16 9. Übung Graphentheorie WS2016/ Ein konvexes Polyeder habe Seitenflächen, die ausschließlich regelmäßige Fünfecke oder regelmäßige Sechsecke sind. Wie viele Fünfecke sind dabei? (3 Punkte) 60. Gegeben seien folgende Graphen: G 1 k 1 k 2 G 2 Zeigen Sie mit Hilfe von Satz , dass 61. (a) G 1 nicht Hamiltonsch ist, (b) G 2 zwar Hamiltonsch ist, es aber keinen Hamilton-Kreis in G 2 gibt, der die Kanten k 1 und k 2 enthält. e 5 e 6 e 4 Zeigen Sie, dass folgender Graph G 1 nicht planar ist. Geben Sie einen Teilgraph G 2 an, der Unterteilung von K 5 oder K 3,3 ist. e 7 e 3 G Unter dem 4-dimensionalen Würfelgraph versteht man den Graphen mit der Eckenmenge E = {(x 1,x 2,x 3,x 4 ); x i = 0 oder x i = 1, 1 i 4} = {e 1,...,e 16 }, und den Kanten e i e j, wenn die Koordinaten von e i und e j sich an genau einer Stelle unterscheiden. Zeigen Sie: (a) G ist bipartit. (b) G ist nicht planar. e 8 e 1 e 2 (4 Punkte)

17 63. Gegeben sind die beiden folgenden Graphen: G 1 G 2 (a) Zeichnen Sie G 1 und G 2. (b) Zeigen Sie, dass G 1 und G 2 isomorph sind, aber ihre duale GraphenG 1 und G 2 nicht. (3 Punkte) Abgabe der Aufgaben 59, 60, 62, 63 bis vor der Übung.

18 10. Übung Graphentheorie WS2016/ Bestimmen Sie (a) die chromatische Zahl und folgender Graphen! (b) den chromatischen Index G 1 G 2 G 3 G 4 G 5 G Bestimmen Sie (a) die chromatische Zahl und (b) den chromatischen Index der platonischen Körper und des Petersen-Graphen. (3 Punkte) 66. An einer Schule soll ein Zeitplan für Prüfungen in neuen unterschiedlichen Fächern aufgestellt werden. Wenn es Schüler gibt, die zwei oder mehr dieser Fächer belegt haben, müssen die Prüfungen zu unterschiedlichen Zeiten stattfinden. Folgende Tabelle gibt an, welche Fächerpaare von mindestens einem Schüler gewählt wurden: A B C D E F G H I A x x x B x x C x x x x D x x x x E x x x x F x x x G x x x H x x x I x x Beschreiben Sie das Problem als Färbungsproblem eines Graphen, geben Sie die minimale Anzahl von benötigten Prüfungsterminen an und einen geeigneten Zeitplan. 67. Sei G ein Graph, der aus zwei vollständigen Graphen K s und K t besteht, die genau eine Ecke und keine Kante gemeinsam haben. Bestimmen Sie χ(g).

19 68. Sei G ein schlichter Graph. Zeigen Sie: (a) Enthält G genau einen Kreis C ungerader Länge, dann ist jeder weitere Kreis kantendisjunkt zu C. (b) Enthält G genau einen Kreis ungerader Länge, dann gilt χ(g) = 3. (5 Punkte) 69. Sei G ein 3-regulärer Hamiltonscher Graph. Zeigen Sie χ (G) = In einem Wettbewerb mit 2n Mannschaften muss jede Mannschaft gegen jede andere Mannschaft im direkten Vergleich antreten. Keine Mannschaft tritt am selben Tag mehrmals an. Zeigen Sie mit Hilfe der Kantenfärbung eines Graphen, dass der Wettbewerb in genau 2n 1 Tagen durchgeführt werden kann. Abgabe der Aufgaben 65, 66, 68, 69 bis vor der Übung.

20 11. Übung Graphentheorie WS2016/ Geben Sie für folgende Graphen und das zugehörige angegebene Matching M jeweils einen längsten M-alternierenden Weg W an, der nicht M-erweiternd ist, einen M-erweiternden Weg W (falls er existiert), und gegebenenfalls ein maximales Matching. (a) e 8 e 7 e 9 e 4 (b) e 4 e 5 e 6 e 1 e 2 e 3 M 1 = {e 2 e 4,e 5 e 7,e 6 e 8 } e 3 e 6 e 4 e 5 e 1 e 2 M 3 = {e 1 e 3,e 2 e 5,e 4 e 6 } e 1 e 5 e 8 e 6 e 7 e 3 e 2 M 2 = {e 5 e 8,e 6 e 7 } e 10 e 11 e 12 e 7 e 8 e 9 e 6 e 5 e 2 e 3 e 4 e 1 M 4 = {e 3 e 5,e 6 e 9,e 7 e 10,e 8 e 11 } 72. Für p IN, p 4, sei W p der Graph, der sich zusammensetzt aus einem Kreis mit p 1 Ecken und einer zusätzlichen Ecke, die mit allen anderen Ecken verbunden ist. Bestimmen Sie ein maximales Matching für (a) ein Rad W p mit p 4, (b) einen vollständigen Graphen K p mit p 2, (c) einen vollständigen 3-partiten Graphen K n,n,n für n IN. Welche der Matchings sind perfekt, welche fast-perfekt. 73. Sei G = (E,K) ein schlichter Graph mit p Ecken, E E eine maximale unabhängige Menge in G mit p Ecken. Zeigen Sie: Es gilt p p (G)+1.

21 74. Sei G = (E,K) ein schlichter Graph, β(g) die Eckenüberdeckungszahl, α 0 (G) die Kantenunabhängigkeitszahl von G, δ(g) der minimale Eckengrad. (a) Zeigen oder widerlegen Sie: Jede überdeckende Eckenmenge E E von G enthält eine minimale überdeckende Eckenmenge E E (mit E = β(g)). (b) Zeigen oder widerlegen Sie: Jede unabhängige Kantenmenge K K von G ist in einer maximalen unabhängigen Kantenmenge K K (mit K = α 0 (G)) enthalten. 75. Sei G = (E, K) ein schlichter Graph, β(g) die Eckenüberdeckungszahl, δ(g) der minimale Eckengrad. Zeigen Sie: β(g) δ(g). 76. Sei G = (E,K) ein vollständiger r-partiter Graph mit p Ecken. Zeigen Sie: (a) β(g) = δ(g). (b) G ist Hamiltonsch genau dann, wenn p 2 β(g). 77. Sei G = (E 1 E 2,K) bipartit und der Grad jeder Ecke von E 1 ist mindestens so groß wie der Grad jeder Ecke von E 2. Zeigen Sie: Es gibt ein vollständiges Matching von E 1 nach E In der NRW-Labor-Schule Siegen sind 7 Planstellen zu besetzen zur Abdeckung des Unterrichts in den Fächern Chemie, Englisch, Erdkunde, Französisch, Geschichte, Mathematik und Physik. Die 7 Bewerber können Unterricht in folgenden Fächern erteilen: Frau Abendroth Mathematik, Physik Frau Berg Chemie, Englisch, Mathematik Herr Czaja Chemie, Französisch, Geschichte, Physik Frau Denker Englisch, Französisch, Geschichte, Physik Herr Ehrgeiz Chemie, Mathematik Herr Faulhaber Mathematik, Physik Frau Gutemiene Englisch, Erdkunde, Geschichte Jeder Lehrer soll allerdings anschließend genau ein Fach unterrichten. Bestimmen Sie, ausgehend von der Zuordnung Berg-Mathematik, Czaja-Chemie, Denker- Geschichte, Faulhaber-Physik, Gutemiene-Englisch mit Hilfe des Algorithmus nach Satz eine maximales Matching. (6 Punkte) Abgabe der Aufgaben 71 b, 72 c, 74, 78 bis vor der Übung.

22 12. Übung Graphentheorie WS2016/ Untersuchen Sie, ob der Fluß f : K IR auf dem Netzwerk N s a b 20 z mitf( sa) = 20,f( sb) = 0,f( ab) = 20,f( az) = 0,f( bz) = 20maximalistundbestimmen Sie gegebenenfalls mit dem Algorithmus von Ford-Fulkerson einen maximalen Fluß und den zugehörigen minimalen Schnitt. (3 Punkte) 80. Sei N = (E,K,s,z,c) ein Netzwerk mit Kapazität c(k) IN für alle k K. Beweisen oder widerlegen Sie: (a) Sind alle Werte der Kapazität gerade Zahlen, so existiert ein maximaler (s, z)-fluss, der nur geradzahlige Flusswerte besitzt. (b) Sind alle Werte der Kapazität ungerade Zahlen, so existiert ein maximaler (s, z)- Fluss, der nur ungeradzahlige Flusswerte besitzt. 81. In dem bipartiten Graphen G = (E,K) s 1 s 2 s 3 s 4 s 5 s 6 s 7 z 3 z4 z 1 z 2 z 5 z 6 z 7 ist das gesättigte Matching M = { s 1 z 2, s 2 z 3, s 3 z 1, s 5 z 4, s 6 z 7 } gegeben. Konstruieren Sie mit Hilfe des Algorithmus von Ford-Fulkerson ein maximales Matching. Wandeln Sie dazu den Graphen in ein Netzwerk (E,K,s,z,c) um und bestimmen Sie einen geeigneten Fluss, der dem Matching M entspricht. 82. Sei N = (E,K,s,z,c) ein Netzwerk, c : E IR eine nichtnegative Funktion. Gesucht ist ein maximaler Fluß in N, der den Bedingungen 0 f(k) c(k) für alle k K, f(k) c(e) für alle e E \{s,z} k K (e)

23 genügt. Transformieren Sie das Problem so, dass man den Satz vom Minimalschnitt-Maximalfluß anwenden kann. Beschreiben Sie Ihr Vorgehen an dem Netzwerk N = (E,K,s,z,c) mit E = {s,a,b,z}, K = { sa, sb, az, bz, ba}, c( sa) = 3, sb = 5, az = 1, bz = 2, ba = 3 und mit c(a) = 4, c(b) = 6. (9 Punkte) 83. Seieni,j INundN = (E,K,s 1,s 2...,s m,z 1,z 2,...,z n,c)einnetzwerk mit denquellen s 1,s 2...,s m und den Senken z 1,z 2,...,z n. Gesucht ist ein Fluß f mit 0 f(k) c(k) für alle k K, f( ue) = f( ew) für alle e E \{s 1,s 2...,s m,z 1,z 2,...,z n } ew K ue K und mit maximalem Wert f = s i u K,1 i m f( s i u) us i K,1 i m f( us i ). Wie kann man die Ergebnisse aus Kapitel 7 auf ein solches Netzwerk anwenden? Abgabe der Aufgaben 79, 82 bis 1.2. vor der Übung.

Effiziente Algorithmen I

Effiziente 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

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 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

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen 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

Mehr

5 Graphen und Polyeder

5 Graphen und Polyeder 5 Graphen und Polyeder 5.1 Graphen und Eulersche Polyederformel Ein Graph besteht aus einer Knotenmenge V (engl. vertex) und einer Kantenmenge E (engl. edge). Anschaulich verbindet eine Kante zwei Knoten,

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen Der Tragödie IV. Theyl Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007 Graphentheorie Rainer Schrader Organisatorisches Zentrum für Angewandte Informatik Köln 23. Oktober 2007 1 / 79 2 / 79 Organisatorisches Organisatorisches Dozent: Prof. Dr. Rainer Schrader Weyertal 80

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der

Mehr

3. Musterlösung. Problem 1: Boruvka MST

3. Musterlösung. Problem 1: Boruvka MST Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines

Mehr

Gibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert?

Gibt es in Königsberg einen Spaziergang, bei dem man jede der. Pregelbrücken. überquert? Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? 1 Königsberger Brückenproblem Im Jahre 1736 Leonhard Euler löste das Problem allgemein

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen 6. Flüsse in Netzwerken Berechnung maximaler Flüsse Satz 6.4. Ersetzt man in Algorithmus 6.1 den Schritt 2 durch 2a. Wähle den Knoten, der zuerst in eingefügt wurde. Setze. dann berechnet der arkierungsalgorithmus

Mehr

Vorlesungen vom 5.Januar 2005

Vorlesungen vom 5.Januar 2005 Vorlesungen vom 5.Januar 2005 5 Planare Graphen 5.1 Beispiel: Gas, Wasser, Elektrik Drei eingeschworene Feinde, die im Wald leben, planen Trassen zu den Versorgungswerken für die drei Grundgüter Gas, Wasser

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Sommersemester 204 4. Vorlesung Matchings / Paarungen Kombinatorische Anwendungen des Max-Flow-Min-Cut-Theorems Prof. Dr. Alexander Wolff 2 Paarungen (Matchings) Def. Sei

Mehr

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung

Mehr

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen

Mehr

6. Flüsse und Zuordnungen

6. 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

Mehr

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph Graphentheorie Rainer Schrader Zentrum ür Angewandte Inormatik Köln 31. Oktober 2007 1 / 30 2 / 30 Gliederung maximale Flüsse Schnitte Edmonds-Karp-Variante sei G = (V, A) ein gerichteter Graph sei c eine

Mehr

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Algorithmen und Datenstrukturen (WS 2007/08) 63

Algorithmen und Datenstrukturen (WS 2007/08) 63 Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders

Mehr

Polyeder, Konvexität, Platonische und archimedische Körper

Polyeder, Konvexität, Platonische und archimedische Körper Unter einem Polyeder verstehen wir einen zusammenhängenden Teil des dreidimensionalen Raumes der durch Polygone begrenzt wird. Seine Oberfläche besteht also aus Punkten (Ecken genannt), Strecken (Kanten

Mehr

Graphen: Datenstrukturen und Algorithmen

Graphen: Datenstrukturen und Algorithmen Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.

Mehr

16. Flächenfärbungen

16. Flächenfärbungen Chr.Nelius: Graphentheorie (WS 2015/16) 57 16. Flächenfärbungen In der Mitte des 19. Jahrhunderts tauchte eine Vermutung auf, die erst 125 Jahre später bewiesen werden sollte und die eine der bekanntesten

Mehr

Elementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht

Elementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht Prof. Dr. Andreas Meister SS 2004 digital von: Frank Lieberknecht Geplanter Vorlesungsverlauf...1 Graphentheorie...1 Beispiel 1.1: (Königsberger Brückenproblem)... 1 Beispiel 1.2: (GEW - Problem)... 2

Mehr

Graphentheorie Mathe-Club Klasse 5/6

Graphentheorie Mathe-Club Klasse 5/6 Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................

Mehr

2. Repräsentationen von Graphen in Computern

2. 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

Mehr

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Planare Graphen, Traveling Salesman Problem, Transportnetze Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Teil IV: Planare Graphen / Transportnetze 1. Planare Graphen / Traveling

Mehr

Gemischt-ganzzahlige und Kombinatorische Optimierung

Gemischt-ganzzahlige und Kombinatorische Optimierung 5. Präsenzaufgabenblatt, Sommersemester 2015 Übungstunde am 15.06.2015 Aufgabe J Betrachten Sie die LP-Relaxierung max c T x a T x b 0 x i 1 des 0/1-Knapsack-Problems mit n Gegenständen, c 0 und a > 0.

Mehr

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.

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. 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

Mehr

2 Eulersche Polyederformel und reguläre Polyeder

2 Eulersche Polyederformel und reguläre Polyeder 6 2 Eulersche Polyederformel und reguläre Polyeder 2.1 Eulersche Polyederformel Formal besteht ein Graph aus einer Knotenmenge X und einer Kantenmenge U. Jede Kante u U ist eine zweielementige Teilmenge

Mehr

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

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

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Polyeder und Platonische Körper

Polyeder und Platonische Körper Polyeder und Platonische Körper Ausarbeitung zum 30.11.2016 Linus Leopold Boes Matrikelnummer: 2446248 Algorithmen für planare Graphen Institut für Informatik HHU Düsseldorf Inhaltsverzeichnis 1 Einleitung

Mehr

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten Gliederung Zusammenhang von Graphen Stark Zusammenhängend K-fach Zusammenhängend Brücken Definition Algorithmus zum Finden von Brücken Anwendung Zusammenhangskomponente Definition Wichtige Aussagen und

Mehr

Flüsse in Netzwerken

Flüsse in Netzwerken Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, Schnitte, bipartite Graphen Flüsse, Schnitte, bipartite Graphen Vlad Popa 08.06.2010 Inhaltsverzeihnis 1. Flussnetzwerke und Flüsse 1.1 Ford- Fulkerson 1.2 Edmond Karp 1.3 Dinic 2. Schnitte 3. Maximaler Fluss bei minimalen Kosten

Mehr

Algorithmen und Datenstrukturen Kapitel 10

Algorithmen und Datenstrukturen Kapitel 10 Algorithmen und Datenstrukturen Kapitel 10 Flüsse Frank Heitmann heitmann@informatik.uni-hamburg.de 6. Januar 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/8 Flüsse Graphen Grundlagen Definition

Mehr

Algorithmentheorie. 13 - Maximale Flüsse

Algorithmentheorie. 13 - Maximale Flüsse Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk

Mehr

Routing Algorithmen. Begriffe, Definitionen

Routing Algorithmen. Begriffe, Definitionen Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über

Mehr

4.7 Der Algorithmus von Dinic für maximalen Fluss

4.7 Der Algorithmus von Dinic für maximalen Fluss 4.7 Der Algorithmus von Dinic für maximalen Fluss Wir kennen bereits den Algorithmus von Ford Fulkerson zur Suche nach einem maximalen Fluss in einem Graphen. Wir lernen nun einen Algorithmus für maximalen

Mehr

Expander Graphen und Ihre Anwendungen

Expander Graphen und Ihre Anwendungen Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006

Mehr

4. Kreis- und Wegeprobleme Abstände in Graphen

4. Kreis- und Wegeprobleme Abstände in Graphen 4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. 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. Falls

Mehr

Graphen. Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60)

Graphen. Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60) Graphen Formale Methoden der Informatik WiSe 2010/2011 teil 2, folie 1 (von 60) Teil II: Graphen 1. Einführung 2. Wege und Kreise in Graphen, Bäume 3. Planare Graphen / Traveling Salesman Problem 4. Transportnetzwerke

Mehr

5. Verschiedene Repräsentanten

5. Verschiedene Repräsentanten 5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und

Mehr

1. Einleitung wichtige Begriffe

1. 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

Mehr

Klausur Informatik B April Teil I: Informatik 3

Klausur Informatik B April Teil I: Informatik 3 Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.

Mehr

Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX

Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX Graphentheorie 1 Diskrete Strukturen Uta Priss ZeLL, Ostfalia Sommersemester 2016 Diskrete Strukturen Graphentheorie 1 Slide 1/19 Agenda Hausaufgaben Graph-Äquivalenz SetlX Diskrete Strukturen Graphentheorie

Mehr

C++, LEDA und STL Visualisierung minimal/maximal aufspannender Bäume

C++, LEDA und STL Visualisierung minimal/maximal aufspannender Bäume Fachbereich IV, Informatik Softwarepraktikum C++, LEDA und STL Visualisierung minimal/maximal aufspannender Bäume Wintersemester 2004/2005 Dokumentation Algorithmen zur Lösung von MST - Problemen Nicolas

Mehr

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN

KAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN KPITEL 6 GNZZHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULRE MTRIZEN F. VLLENTIN,. GUNDERT. Ganzzahlige lineare Programme Viele Optimierungsprobleme des Operations Research lassen sich als ganzzahlige lineare

Mehr

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Informatik I WS 07/08 Tutorium 24

Informatik 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

Mehr

Teil VI. Graphen und Optimierung

Teil VI. Graphen und Optimierung Teil VI Graphen und Optimierung 21 Graphen Die Graphentheorie ist ein wichtiges Instrument, um komplexe Probleme in unterschiedlichen Wissenschaftsbereichen zu bearbeiten. Der interdisziplinäre Charakter

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Vorlesung Diskrete Strukturen Transportnetze

Vorlesung Diskrete Strukturen Transportnetze Vorlesung Diskrete Strukturen Transportnetze Bernhard Ganter WS 2013/14 1 Transportnetze Gerichtete Graphen Ein schlingenloser gerichteter Graph ist ein Paar (V, A), wobei V eine beliebige Menge ist, deren

Mehr

Fußbälle, platonische und archimedische Körper

Fußbälle, platonische und archimedische Körper Fußbälle, platonische und archimedische Körper Prof. Dr. Wolfram Koepf http://www.mathematik.uni-kassel.de/~koepf Was ist ein Fußball? Sepp Herberger: Der Ball ist rund. Ist also ein Fußball eine Kugel?

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei

Mehr

3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson

3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson 3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson Definition 3.4.1 Die Aufgabe, zu jedem Netzwerk N = (s, t, V, E, c o ) mit n = V Knoten und m = E Kanten den Fluß f IR m mit maximalem Wert zu

Mehr

Algorithmen zur Berechnung von Matchings

Algorithmen zur Berechnung von Matchings Algorithmen zur Berechnung von Matchings Berthold Vöcking 1 Einleitung Matchingprobleme sind Zuordnungsprobleme. Es geht darum z.b. Studierenden Plätze in Seminaren zuzuordnen, Bewerber auf freie Stellen

Mehr

Körper zum Selberbauen Polydron

Körper zum Selberbauen Polydron Körper zum Selberbauen Polydron Was versteht man unter Polydron? Polydron ist ein von Edward Harvey erfundenes intelligentes Spielzeug, mit dem man verschiedene geometrische Figuren bauen kann. Es ist

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

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

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

Mehr

Tag der Mathematik 2013

Tag der Mathematik 2013 Tag der Mathematik 2013 Gruppenwettbewerb Allgemeine Hinweise: Als Hilfsmittel dürfen nur Schreibzeug, Geodreieck und Zirkel benutzt werden. Taschenrechner sind nicht zugelassen. Teamnummer Die folgende

Mehr

2.4A. Reguläre Polyeder (Platonische Körper)

2.4A. Reguläre Polyeder (Platonische Körper) .A. Reguläre Polyeder (Platonische Körper) Wie schon in der Antike bekannt war, gibt es genau fünf konvexe reguläre Polyeder, d.h. solche, die von lauter kongruenten regelmäßigen Vielecken begrenzt sind:

Mehr

Flüsse, Schnitte, bipartite Graphen. Martin Oettinger

Flüsse, Schnitte, bipartite Graphen. Martin Oettinger Flüsse, Schnitte, bipartite Graphen Martin Oettinger Übersicht Einführung Algorithmen für maximalen Fluss Preflow-Push Ford-Fulkerson Spezialfall: Maximaler Fluss bei minimalen Kosten Reduktionen Bipartites

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick

Mehr

Vier-Farbenproblem. (c) Ein etwas schwereres Beispiel...

Vier-Farbenproblem. (c) Ein etwas schwereres Beispiel... Vier-Farbenproblem Kann man jede Landkarte mit vier Farben färben, sodass keine aneindander angrenzenden Länder die gleiche Farbe haben? Versuchen Sie die Karte Deutschlands oder eines der anderen Bilder

Mehr

Statistische Untersuchungen zu endlichen Funktionsgraphen

Statistische Untersuchungen zu endlichen Funktionsgraphen C# Projekt 1 Name: Statistische Untersuchungen zu endlichen Funktionsgraphen Aufgabe: Basierend auf dem Abschnitt 2.1.6. Random mappings, Kap.2, S 54-55, in [1] sollen zunächst für eine beliebige Funktion

Mehr

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann

Mehr

Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:

Mehr

Bäume und Wälder. Bäume und Wälder 1 / 37

Bäume und Wälder. Bäume und Wälder 1 / 37 Bäume und Wälder Bäume und Wälder 1 / 37 Bäume Ein (ungerichteter) Baum ist ein ungerichteter Graph G = (V, E), der zusammenhängend ist und keine einfachen Kreise enthält. Bäume und Wälder 2 / 37 Bäume

Mehr

WS 2013/14. Diskrete Strukturen

WS 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

Mehr

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen

Mehr

Vorlesung Kombinatorische Optimierung (Wintersemester 2016/17)

Vorlesung Kombinatorische Optimierung (Wintersemester 2016/17) Vorlesung Kombinatorische Optimierung (Wintersemester 06/7) Kapitel : Flüsse und Zirkulationen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 4. Oktober 06) Definition. Ein Netzwerk

Mehr

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29 1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian

Mehr

3 Polytope. 3.1 Polyeder

3 Polytope. 3.1 Polyeder 28 3 Polytope 3.1 Polyeder Polytope in der Ebene und im Raum standen neben Kreis und Kugel schon während der griechischen Antike im Mittelpunkt des mathematischen (und philosophischen) Interesses. Durch

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische

Mehr

Algorithmen II Vorlesung am

Algorithmen II Vorlesung am Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum

Mehr

3. Relationen Erläuterungen und Schreibweisen

3. Relationen Erläuterungen und Schreibweisen 3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob

Mehr

Serie 6: Lösungen Wir erinnern uns daran, dass für die Anzahl Elemente konvexer Polyeder die folgenden dualen Beziehungen gelten: e j, f =

Serie 6: Lösungen Wir erinnern uns daran, dass für die Anzahl Elemente konvexer Polyeder die folgenden dualen Beziehungen gelten: e j, f = Serie 6: Lösungen Wir erinnern uns daran, dass für die Anzahl Elemente konvexer Polyeder die folgenden dualen Beziehungen gelten: e = e j, f = j=3 j e j = 2k = j=3 f j (1) j=3 j f j (2) j=3 e k + f = 2

Mehr

Vorlesung 3 MINIMALE SPANNBÄUME

Vorlesung 3 MINIMALE SPANNBÄUME Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei

Mehr

Prof. Dr.-Ing. Firoz Kaderali Prof. Dr. rer. nat. Werner Poguntke. Graphen, Algorithmen und Netze

Prof. Dr.-Ing. Firoz Kaderali Prof. Dr. rer. nat. Werner Poguntke. Graphen, Algorithmen und Netze Prof. Dr.-Ing. Firoz Kaderali Prof. Dr. rer. nat. Werner Poguntke Graphen, Algorithmen und Netze Das Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere das Recht der Vervielfältigung

Mehr

Darstellung dreidimensionaler Figuren in der Ebene. Schrägbild

Darstellung dreidimensionaler Figuren in der Ebene. Schrägbild Mathematik Bl Darstellung dreidimensionaler Figuren in der Ebene Schrägbild Das Bild bei einer schrägen Parallelprojektion heisst Schrägbild und wird durch folgende Merkmale bestimmt: - Zur Zeichenebene

Mehr

Diskrete Optimierung (Einführung zur Vorlesung)

Diskrete Optimierung (Einführung zur Vorlesung) Diskrete Optimierung (Einführung zur Vorlesung) Christoph Helmberg : [,] Inhaltsübersicht Diskrete Optimierung. Das Heiratsproblem (ungerichtete Graphen).2 Ganzzahligkeit von Polyedern ( und gerichtete

Mehr

Definitionen und Sätze der Graphentheorie. Dr. F. Göring

Definitionen und Sätze der Graphentheorie. Dr. F. Göring Definitionen und Sätze der Graphentheorie Dr. F. Göring 4. Februar 2010 Zusammenfassung Die wesentlichen Definitionen und Sätze zusammengestellt. Kapitel 1 Einführung Definition 1.1 Sei Ω eine Grundmenge.

Mehr

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) 5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!

Mehr

Aufgabensammlung zur algorithmischen Geometrie

Aufgabensammlung zur algorithmischen Geometrie 1 Aufgabensammlung zur algorithmischen Geometrie 2012WS Andreas Kriegl 1. Konvexe Hülle als Durchschnitt. Zeige, daß der Durchschnitt konvexer Mengen wieder konvex ist und somit die konvexe Hülle einer

Mehr

2. Platonische Körper

2. Platonische Körper 2 Platonische Körper 27 2. Platonische Körper Dieses Kapitel legt den Schwerpunkt auf die Geometrie. Geometrie in der Grundschule befasst sich mit zwei zentralen Gebieten: Symmetrie und Raumvorstellung.

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

Lösungen zur Prüfung in diskreter Mathematik vom 15. Januar 2008

Lösungen zur Prüfung in diskreter Mathematik vom 15. Januar 2008 Lösungen zur Prüfung in diskreter Mathematik vom. Januar 008 Aufgabe (a) Wir bezeichnen mit A i die Menge der natürlichen Zahlen zwischen und 00, welche durch i teilbar sind (i {,,, }). Wir müssen die

Mehr