Flächenkartogramme LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
|
|
- Ewald Kästner
- vor 7 Jahren
- Abrufe
Transkript
1 Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg
2 Räumliche statistische Daten Wie visualisiert man Statistiken zu räumlichen Daten? Beispiel: Bevölkerung in den USA 2
3 Räumliche statistische Daten Wie visualisiert man Statistiken zu räumlichen Daten? Beispiel: Bevölkerung in den USA als Tabelle? 2
4 Räumliche statistische Daten Wie visualisiert man Statistiken zu räumlichen Daten? Beispiel: Bevölkerung in den USA als Tortendiagramm? als Tabelle? 2
5 Ra umliche statistische Daten Wie visualisiert man Statistiken zu ra umlichen Daten? Beispiel: Bevo lkerung in den USA als Balkendiagramm? als Tortendiagramm? als Tabelle? 2 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
6 Ra umliche statistische Daten Wie visualisiert man Statistiken zu ra umlichen Daten? Beispiel: Bevo lkerung in den USA als Balkendiagramm? als Tabelle? 2 als Tortendiagramm? Problem: Standardmethoden zeigen keine ra umlichen Muster! Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
7 Kartenbasierte statistische Visualisierung Choroplethenkarte: nutze Farbschema 3
8 Kartenbasierte statistische Visualisierung non-contiguous area cartogram: Fläche proportional zur Bevölkerung 3
9 Kartenbasierte statistische Visualisierung contiguous area cartogram: Di usionsprozess (Gastner, Newman 2004) 3
10 Kartenbasierte statistische Visualisierung Dorling cartograms: Kreisscheiben proportionaler Größe 3
11 Kartenbasierte statistische Visualisierung 3 rectangular cartograms: jede Region als Rechteck (Raisz 1934)
12 Def.: Ein Flächenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Flächeneinheit proportional zu einer externen Größe und nicht mehr zur tatsächlichen Fläche ist (z.b. Bevölkerungszahl). 4
13 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt 4 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
14 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
15 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
16 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 c New York Times Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
17 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 c New York Times Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
18 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 c New York Times Dr. Martin No llenburg Vorlesung Algorithmische Kartografie c Bettina Speckmann Fla chenkartogramme
19 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 c New York Times Dr. Martin No llenburg Vorlesung Algorithmische Kartografie c Bettina Speckmann Fla chenkartogramme
20 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig 4 c New York Times Dr. Martin No llenburg Vorlesung Algorithmische Kartografie c Bettina Speckmann Fla chenkartogramme
21 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig c New York Times c Bettina Speckmann Welche Kriterien bestimmen die Qualita t eines Kartogramms? 4 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie Fla chenkartogramme
22 Fla chenkartogramme Def.: Ein Fla chenkartogramm (dt. Kartenanamorphote) ist eine Kartendarstellung, in der jede Fla cheneinheit proportional zu einer externen Gro ße und nicht mehr zur tatsa chlichen Fla che ist (z.b. Bevo lkerungszahl).! Form, Lage und Nachbarschaften der Regionen werden verzerrt c Benjamin Hennig c New York Times Qualita tskriterien: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen 4 Dr. Martin No llenburg Vorlesung Algorithmische Kartografie c Bettina Speckmann korrekte Adjazenzen kleiner Fla chenfehler geringe Komplexita t Ablesen der Fla che Fla chenkartogramme
23 Kartenprojektion durch Di usion [Gastner, Newman 04] Bevölkerungsdichte in Standardkarte sehr unterschiedlich ideales Kartogramm hat überall die gleiche Dichte modelliere Dichteausgleich als physikalischen Di usionsprozess! ergibt Transformation T : R 2! R 2 5
24 Kartenprojektion durch Di usion [Gastner, Newman 04] Bevölkerungsdichte in Standardkarte sehr unterschiedlich ideales Kartogramm hat überall die gleiche Dichte modelliere Dichteausgleich als physikalischen Di usionsprozess! ergibt Transformation T : R 2! R 2 5
25 Kartenprojektion durch Di usion [Gastner, Newman 04] Bevölkerungsdichte in Standardkarte sehr unterschiedlich ideales Kartogramm hat überall die gleiche Dichte modelliere Dichteausgleich als physikalischen Di usionsprozess! ergibt Transformation T : R 2! R 2 5
26 Kartenprojektion durch Di usion [Gastner, Newman 04] Bevölkerungsdichte in Standardkarte sehr unterschiedlich ideales Kartogramm hat überall die gleiche Dichte modelliere Dichteausgleich als physikalischen Di usionsprozess! ergibt Transformation T : R 2! R 2 Di usionsgleichung ist partielle Di erentialgleichung Implementierung nutzt Fouriertransformation und numerische Lösungsverfahren asymptotisch konstante Dichte in ganzer Karte 5
27 Kartenprojektion durch Di usion [Gastner, Newman 04] Bevölkerungsdichte in Standardkarte sehr unterschiedlich ideales Kartogramm hat überall die gleiche Dichte modelliere Dichteausgleich als physikalischen Di usionsprozess! ergibt Transformation T : R 2! R 2 Di usionsgleichung ist partielle Di erentialgleichung Implementierung nutzt Fouriertransformation und numerische Lösungsverfahren asymptotisch konstante Dichte in ganzer Karte GDP cartogram c Newman 5
28 Gitterbasierte Di usionskartogramme [Hennig 11] Erweiterung durch fein aufgelöstes Gitter ( 365K Zellen) Datenwert für jede Gitterzelle ermöglicht detailliertere Kartogramme (Abbildung von Ballungsräumen etc) 6
29 Gitterbasierte Di usionskartogramme [Hennig 11] Erweiterung durch fein aufgelöstes Gitter ( 365K Zellen) Datenwert für jede Gitterzelle ermöglicht detailliertere Kartogramme (Abbildung von Ballungsräumen etc) Demo: ScapeToad 6
30 Zusammenfassung Di usionskartogramme Diskussion: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen korrekte Adjazenzen kleiner Flächenfehler geringe Komplexität Ablesen der Fläche 7
31 Zusammenfassung Di usionskartogramme Diskussion: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen korrekte Adjazenzen kleiner Flächenfehler geringe Komplexität Ablesen der Fläche 7
32 Kreiskartogramme [Dorling 95] einfache, abstrakte Form: jede Region als Kreisscheibe Fläche fest skaliert bzgl. gegebener Größe initiale Platzierung im Schwerpunkt der Region iteratives Verschieben zum Auflösen der Überlappungen 8
33 Kreiskartogramme [Dorling 95] einfache, abstrakte Form: jede Region als Kreisscheibe Fläche fest skaliert bzgl. gegebener Größe initiale Platzierung im Schwerpunkt der Region iteratives Verschieben zum Auflösen der Überlappungen kräftebasierter Algorithmus (ähnl. Spring-Embedder): while Kräfte >"do foreach disk D do foreach disk D 0 \ D 6= ; do Abstoßung von D 0 D 0 geographischer Nachbar foreach Nachbar D 0 von D mit Abstand > 0 do Anziehung zu D 0 D D 0 D 8
34 Kreiskartogramme [Dorling 95] einfache, abstrakte Form: jede Region als Kreisscheibe Fläche fest skaliert bzgl. gegebener Größe initiale Platzierung im Schwerpunkt der Region iteratives Verschieben zum Auflösen der Überlappungen kräftebasierter Algorithmus (ähnl. Spring-Embedder): while Kräfte >"do foreach disk D do foreach disk D 0 \ D 6= ; do Abstoßung von D 0 D 0 geographischer Nachbar foreach Nachbar D 0 von D mit Abstand > 0 do Anziehung zu D 0 D Demo! D 0 D 8
35 Verbesserung Kreiskartogramme [Inoue 11] weiteres Kriterium: minimiere Abweichung der relativen Lage benachbarter Regionen Formulierung als nicht-lineares Optimierungsproblem: geogr. Nachbarn min X (i,j)2e " 2 dij 1 (1 ) r i r j s.t. d ij r i r j q 8i 6= j d ij = (x i x j ) 2 (y i y j ) 2 ij (0) ij Eingabewinkel 2 # r j ij = arctan y j x j x i, 0 apple apple 1 Lösung mit Solver NUOPT y i r i ij d ij 9
36 Vergleich Dorling Inoue Inoue Dorling 10
37 Zusammenfassung Kreiskartogramme Diskussion: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen korrekte Adjazenzen kleiner Flächenfehler geringe Komplexität Ablesen der Fläche 11
38 Zusammenfassung Kreiskartogramme Diskussion: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen korrekte Adjazenzen kleiner Flächenfehler geringe Komplexität Ablesen der Fläche 11
39 Rechteckskartogramme jede Region als Rechteck repräsentiert gegebene Zielflächen trade-o korrekte Flächen/korrekte Adjazenzen 12
40 Problemstellung Geg: politische Karte M (Rechtecksunterteilung), positives Gewicht w i für jede Region R i
41 Problemstellung Geg: bzw: politische Karte M (Rechtecksunterteilung), positives Gewicht w i für jede Region R i knotengewichteter intern triangulierter planar eingeb. Graph G dual zu M, Knoten v i entspricht Region R i, Kanten zw. adjazenten Regionen, Knotengewichte w i bzw
42 Problemstellung Geg: bzw: Ges: politische Karte M (Rechtecksunterteilung), positives Gewicht w i für jede Region R i knotengewichteter intern triangulierter planar eingeb. Graph G dual zu M, Knoten v i entspricht Region R i, Kanten zw. adjazenten Regionen, Knotengewichte w i verzerrte Karte M 0 äquivalent zu M mit R i = w i bzw
43 Problemstellung Geg: bzw: Ges: bzw: politische Karte M (Rechtecksunterteilung), positives Gewicht w i für jede Region R i knotengewichteter intern triangulierter planar eingeb. Graph G dual zu M, Knoten v i entspricht Region R i, Kanten zw. adjazenten Regionen, Knotengewichte w i verzerrte Karte M 0 äquivalent zu M mit R i = w i flächenproportionale Kontaktrepräsentation von G, jeder Knoten v i als geometrisches Objekt s i mit Fläche w i,so dass s i und s j sich berühren gdw. v i v j 2 E bzw
44 Qualitätskriterien gute Lösung falsche relative Lage falsche Adjazenzen schlechte aspect ratio kleiner Fehler korrekte Adjazenzen gute aspect ratio korrekte relative Positionen
45 Qualitätskriterien gute Lösung Adjazenzen vs. Flächenfehler falsche relative Lage falsche Adjazenzen schlechte aspect ratio kleiner Fehler korrekte Adjazenzen gute aspect ratio korrekte relative Positionen
46 Überblick des Verfahrens [van Kreveld, Speckmann 07] NW SH HH HB NI MV BE BB ST Eingabekarte NW HB NI SH HH ST MV BB BE SL RP HE BW TH BY SN Dualgraph SL RP HE BW TH BY SN N N Wa SH MV Rechtecksdual Wa SH MV BB W NW RP NI HE BW BB ST SN TH BY O Kartogramm W NW RP NI HE BW ST TH BY SN O S S 15
47 Rechtecksdual Graph heißt intern trianguliert, wenn jede(innere)facette ein Dreieck ist ein Kreis C in G heißt separierend, wenn sowohl innerhalb als auch außerhalb von C weitere Knoten liegen 16
48 Rechtecksdual Graph heißt intern trianguliert, wenn jede(innere)facette ein Dreieck ist ein Kreis C in G heißt separierend, wenn sowohl innerhalb als auch außerhalb von C weitere Knoten liegen Satz 1: Ein planar eingeb. Graph G hat ein Rechtecksdual R mit vier äußeren Rechtecken gdw. G intern trianguliert, äußere Facette ein Viereck, G enthält keine separierenden Dreiecke. 16
49 Rechtecksdual Graph heißt intern trianguliert, wenn jede(innere)facette ein Dreieck ist ein Kreis C in G heißt separierend, wenn sowohl innerhalb als auch außerhalb von C weitere Knoten liegen Satz 1: Ein planar eingeb. Graph G hat ein Rechtecksdual R mit vier äußeren Rechtecken gdw. G intern trianguliert, äußere Facette ein Viereck, G enthält keine separierenden Dreiecke. Graph-Modifikationen: 16
50 Beispiel Deutschland HB SH HH MV SL NW RP NI HE BW TH BY ST BE BB SN 17
51 Beispiel Deutschland NW HB NI HE SH HH TH ST MV BE BB SN NW NI HE SH TH ST MV BB SN entferne Grad-1 und -2 Knoten RP RP SL BW BY BW BY 17
52 Beispiel Deutschland NW HB NI HE SH HH TH ST MV BE BB SN NW NI HE SH TH ST MV BB SN entferne Grad-1 und -2 Knoten RP RP SL BW BY BW BY Wa SH MV füge flexiblen Meeresknoten als Pu er hinzu RP NW NI HE TH ST BB SN BY BW 17
53 Beispiel Deutschland NW HB NI HE SH HH TH ST MV BE BB SN NW NI HE SH TH ST MV BB SN entferne Grad-1 und -2 Knoten RP RP SL BW BY BW BY N Wa SH MV Wa SH MV füge flexiblen Meeresknoten als Pu er hinzu RP NW NI HE BW TH BY ST BB SN W RP NW NI HE BW TH BY ST BB SN O erstelle äußeres Viereck ) Satz 1 gilt S 17
54 Reguläre Kantenbeschriftung Die Nachbarn jedes inneren Rechtecks lassen sich in vier nichtleere Gruppen einteilen (N,S,W,O) und bilden in der zyklischen Ordnung vier Blöcke. N N N W O S S 18
55 Reguläre Kantenbeschriftung Die Nachbarn jedes inneren Rechtecks lassen sich in vier nichtleere Gruppen einteilen (N,S,W,O) und bilden in der zyklischen Ordnung vier Blöcke. N N N W O S S Eine Beschriftung der Kanten eines Graphen G mit {N,S,W,O} heißt reguläre Kantenbeschriftung, falls obige Bedingung an jedem inneren Knoten erfüllt ist. 18
56 Reguläre Kantenbeschriftung Die Nachbarn jedes inneren Rechtecks lassen sich in vier nichtleere Gruppen einteilen (N,S,W,O) und bilden in der zyklischen Ordnung vier Blöcke. N N N W O S S Eine Beschriftung der Kanten eines Graphen G mit {N,S,W,O} heißt reguläre Kantenbeschriftung, falls obige Bedingung an jedem inneren Knoten erfüllt ist. ist nicht eindeutig! 18
57 Reguläre Kantenbeschriftung Die Nachbarn jedes inneren Rechtecks lassen sich in vier nichtleere Gruppen einteilen (N,S,W,O) und bilden in der zyklischen Ordnung vier Blöcke. N N N W O S S Eine Beschriftung der Kanten eines Graphen G mit {N,S,W,O} heißt reguläre Kantenbeschriftung, falls obige Bedingung an jedem inneren Knoten erfüllt ist. richte Kanten von W nach O und von S nach N färbe W O Kanten rot und S N Kanten grün 18
58 Konstruktion Rechtecksdual [He, Kant 97] N Wa SH MV NI BB W NW ST O HE TH SN RP BW BY S 19
59 Konstruktion Rechtecksdual [He, Kant 97] N Wa SH MV NI BB N W NW ST O Wa SH MV HE TH SN RP W NW NI ST BB O BW S BY TH SN RP HE Wa N SH MV BW BY NI BB W NW ST O S TH SN HE RP BY BW S 19
60 Konstruktion Rechtecksdual [He, Kant 97] N SH Wa NI MV W* O* BB N W NW ST O Wa SH MV HE TH SN RP W NW NI ST BB O BW S BY TH SN RP HE Wa N SH MV N* BW BY NI BB W NW ST O S TH SN HE RP BY S* BW S 19
61 Konstruktion Rechtecksdual [He, Kant 97] N Wa N SH MV SH Wa 2 MV W* 5 O* NI 8 0 BB 1 ST 7 O 6 TH SN 2 4 W NW HE RP W NW NI ST BB O BW S 3 BY TH SN RP HE BW BY Wa NI 7 N SH 8 6 MV 9 BB N* S W NW 3 4 ST TH 5 SN O RP HE BW 2 1 BY 0 S* S 19
62 Konstruktion Rechtecksdual [He, Kant 97] N W RP NW Wa NI HE BW S N SH TH BY ST MV BB SN O W SH Wa 2 MV W* 5 O* NI 8 0 BB 1 ST 7 O 6 SN 2 4 W NW RP Wa NI NW 3 HE RP BW 7 HE BW S N SH ST TH BY TH BY 9 8 N* 6 MV BB 5 SN S* 0 O W N Wa SH MV NI BB O ST NW SN HE TH RP BW BY S S 19
63 Problem: Flächenzuweisung abstraktes Rechtecksdual benötigt noch korrekte Flächen betrachte hierarchische Rechteckszerlegung: Wa SH MV NI ST BB NW HE TH SN RP BW BY gruppiere Rechtecke, die zusammen größere Rechtecke bilden 20
64 Problem: Flächenzuweisung abstraktes Rechtecksdual benötigt noch korrekte Flächen betrachte hierarchische Rechteckszerlegung: Wa SH MV NI ST BB NW HE TH SN RP BW BY 20 gruppiere Rechtecke, die zusammen größere Rechtecke bilden zerschneidbare Rechtecke, die in zwei Teile zerfallen! leichter Fall (s. Übung) komplexere Rechtecke! Algorithmus für L-zerlegbare Layouts
65 L-zerlegbare Layouts Ein irreduzibles Rechteckslayout R heißt L-zerlegbar, falls es eine Folge (R 1,R 2,...,R n ) der Rechtecke von R gibt, so dass R 1 und R n in gegenüberliegenden Ecken von R liegen und jedes Polygon [ n j=i R j L-förmig ist L-Zerlegungssequenz 21
66 L-zerlegbare Layouts Ein irreduzibles Rechteckslayout R heißt L-zerlegbar, falls es eine Folge (R 1,R 2,...,R n ) der Rechtecke von R gibt, so dass R 1 und R n in gegenüberliegenden Ecken von R liegen und jedes Polygon [ n j=i R j L-förmig ist L-Zerlegungssequenz 5 nicht L-förmig zerlegbar 21
67 Existenz einer Lösung Satz 2: Ein L-zerlegbares Layout hat entweder genau eine oder keine Lösung als Kartogramm ohne Flächenfehler und mit korrekten Adjazenzen. 22
68 Existenz einer Lösung Satz 2: Ein L-zerlegbares Layout hat entweder genau eine oder keine Lösung als Kartogramm ohne Flächenfehler und mit korrekten Adjazenzen. Beweisskizze: y 1 R 1 L 1 () ( ) 22
69 22 Existenz einer Lösung Satz 2: Ein L-zerlegbares Layout hat entweder genau eine oder keine Lösung als Kartogramm ohne Flächenfehler und mit korrekten Adjazenzen. Beweisskizze: y 1 ( ) () Fallunterscheidung R 1 L 1
70 Heuristik für Rechteckskartogramme Nicht jedes Rechtecksdual ist L-zerlegbar, nicht jede Flächenzuweisung für L-zerlegbare Layouts hat eine Lösung. Wa NW RP SH NI HE BW MV BB ST SN TH BY SegmentMoving while lokale Verbesserung möglich do s bel. maximales Segment bewege s in bessere Richtung ggf. berücksichtige Adjazenzen ggf. berücksichtige aspect ratio liefert immer ein Layout findet lokale Optima Wasser benötigt keine Zielfläche keinerlei Garantie oder Konvergenz bewiesen 23
71 Heuristik für Rechteckskartogramme Nicht jedes Rechtecksdual ist L-zerlegbar, nicht jede Flächenzuweisung für L-zerlegbare Layouts hat eine Lösung. Wa NW RP SH MV NI BB ST SN HE TH BW BY Demo! SegmentMoving while lokale Verbesserung möglich do s bel. maximales Segment bewege s in bessere Richtung ggf. berücksichtige Adjazenzen ggf. berücksichtige aspect ratio liefert immer ein Layout findet lokale Optima Wasser benötigt keine Zielfläche keinerlei Garantie oder Konvergenz bewiesen 23
72 Flächenuniverselle Layouts Einseitige Rechteckslayouts sind flächenuniversell, d.h.sie lassen sich für jede beliebige Flächenzuweisung realisieren. [Eppstein et al. 12] Ein Layout heißt einseitig, falls jedes maximale Segment auf einer Seite nur an ein einziges Rechteck angrenzt nicht einseitig einseitig 24
73 Zusammenfassung Rechteckskartogramme Diskussion: Wiedererkennbarkeit der Form Vergleichbarkeit Lage der Regionen korrekte Adjazenzen kleiner Flächenfehler geringe Komplexität Ablesen der Fläche NW RP NI HE SH BW MV BB ST SN TH BY NI NW RP SH HE BW MV BB ST TH SN BY MV SH NI BB ST SN NW HE TH RP BW BY Bevölkerung Studierende pro Einwohner Arbeitslosenquote 25
Flächenkartogramme. Benjamin Niedermann Vorlesung Algorithmische Kartografie /
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 07.05.2015/12.05.2015 1 Ra umliche statistische
MehrVorlesung Algorithmische Kartografie. Übungsblatt 9. Benjamin Niedermann
Übung Algorithmische Kartografie Übungsblatt 9 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 04.07.2013 Problemstellung Geg: politische Karte
MehrFlächenkartogramme LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 02.07.2013 1 Fla chenkartogramme Def.: Ein Fla chenkartogramm
MehrProportional Symbol Maps
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 25.06.2015 1 Statistische Visualisierung
MehrGruppenpräsentationen und Zusammenfassung
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 16.07.2013 1 Algorithmische Kartografie in der Praxis Projekt
MehrZusammenfassung. Benjamin Niedermann Vorlesung Algorithmische Kartografie
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 02.07.2015 1 Wiederholung Themen der
MehrSchematisierung von Karten
Vorlesung Algorithmische Kartografie Schematisierung von (Straßen-)Karten LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 30.04.2013 Schematische
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 21.06.2011 Motivation: Meshing von Platinenlayouts Zur Simulation
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrFlächenaggregation LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Kartografie Flächenaggregation LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 09.07.2013 1 Flächenaggregation Flächennutzung
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.06.2014 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie Teil 2 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 11.06.2013 Die Ära der dynamischen Karten Die meisten
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrAlgorithmische Graphentheorie
Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2017 10. Vorlesung Planaritätstest und Färben planarer Graphen Graphen färben
MehrSeminar Algorithmische Geometrie
Seminar Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Bastian Katz Marcus Krug Martin Nöllenburg Ignaz Rutter KIT Universität des Landes
MehrFlächenaggregation. Benjamin Niedermann Vorlesung Algorithmische Kartografie /
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 30.04.205/05.05.205 Flächennutzung Maßstab
MehrSichtbarkeitsgraph. Andreas Gemsa Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Sichtbarkeitsgraph LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 19.07.2012 Ablauf Nachtrag Sichtbarkeitsgraph WSPD
MehrVorlesung Algorithmische Kartografie
Übung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 18.07.2013 Wiederholung Themen der Vorlesung: Linienvereinfachung
MehrErster Probelauf der bundeseinheitlichen Betreuungsbehördenstatistik 2015
Erster Probelauf der bundeseinheitlichen Betreuungsbehördenstatistik 2015 zusammengestellt von der Betreuungsstelle Hamburg Beteiligung am Probelauf nach Bundesländern (Von bundesweit 420 Betreuungsbehörden
MehrErster Probelauf der bundeseinheitlichen Betreuungsbehördenstatistik 2015
Erster Probelauf der bundeseinheitlichen Betreuungsbehördenstatistik 2015 zusammengestellt von der Betreuungsstelle Hamburg Beteiligung am Probelauf nach Bundesländern (Von bundesweit 420 Betreuungsbehörden
MehrVorlesung Algorithmische Geometrie Konvexe Hülle in R 3
Vorlesung Algorithmische Geometrie Konvexe Hülle in R 3 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 15.07.2014 1 Wdh: Konvexe Hülle in R 2 (VL1) Def: Eine Menge S R 2
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.04.2014 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrAlgorithmische Graphentheorie
Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2014 10. Vorlesung Planaritätstest Planaritätstest Satz. [Hopcroft & Tarjan,
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y0 y x x0 Bisher
MehrI Deutsche und ausländische Schulabsolventen mit Hochschul- und Fachhochschulreife von 1998 bis 2020 I.1 Hochschulreife I.1.
I Deutsche und ausländische Schulabsolventen mit Hochschul- und Fachhochschulreife von 1998 bis 2020 I.1 Hochschulreife I.1.1 Anzahl 1) BW BY BE BB HB HH HE MV 2) 3) NI NW RP SL 4) SN ST 2) SH TH BG 1998
MehrÜbungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
MehrDelaunay-Triangulierungen
Vorlesung Algorithmische Geometrie Delaunay-Triangulierungen INSTITUT FU R THEORETISCHE INFORMATIK FAKULTA T FU R INFORMATIK Martin No llenburg 10.06.2014 Grafik c Rodrigo I. Silveira 1 Dr. Martin No llenburg
MehrSonderpädagogische Förderung in allgemeinen Schulen (ohne Förderschulen) 2013/2014
Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland IVC/Statistik Berlin, den..0 Sonderpädagogische Förderung in allgemeinen Schulen (ohne Förderschulen)
MehrSonderpädagogische Förderung in allgemeinen Schulen (ohne Förderschulen) 2011/2012
Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland IVC/Statistik Berlin, den 15.10.2012 Sonderpädagogische Förderung in allgemeinen Schulen (ohne Förderschulen)
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y x x0 Bisher
MehrAlgorithmen für Planare Graphen
Algorithmen für Planare Graphen 12. Juni 2018, Übung 4 Lars Gottesbüren, Michael Hamann INSTITUT FÜR THEORETISCHE INFORMATIK KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Prüfungstermine
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrVoronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.06.2014 1 Das Postamt-Problem b(p, q) = {x 2 R 2 : xp = xq } p q h(p, q) h(q, p) = {x
MehrEinführung & Linienvereinfachung
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 16.04.2013 AlgoKarto-Team Dozent Martin No llenburg noellenburg@kit.edu
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.06.2014 1 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts Teil 2
Algorithmen zur Visualisierung von Graphen Teil 2 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg Ignaz Rutter 18.12.2012 Geg.: gerichteter Graph D = (V,
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
MehrDualität + Quad-trees
Übung Algorithmische Geometrie Dualität + Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 30.06.2011 Übersicht Übungsblatt 10 - Dualität
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 20.05.2014 Objekttypen in Bereichsabfragen y0 y0 y x x0 Bisher betrachteter Fall Eingabe:
MehrQuad-trees. Benjamin Niedermann Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 02.07.2014 Übersicht Übungsblatt 11 - Quadtrees Motivation:
MehrVorlesung Algorithmische Geometrie Konvexe Hülle im R 3
Vorlesung Algorithmische Geometrie Konvexe Hülle im R 3 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 26.06.2012 Prüfung! Termine: 20. Juli 27.
MehrSichtbarkeitsgraphen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.07.2011 Bewegungslanung für Roboter Ideen?? Problem: Gegeben
MehrPunktbeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.05.2015 1 Übungen Nachtrag 1) Überlegen Sie sich, wie man den
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 04.06.2013 Was ist eine Landkarte? r e d o Dr. Martin No
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrEinführung & Konvexe Hülle
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.04.2011 AlgoGeom-Team Dozent Martin Nöllenburg noellenburg@kit.edu
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts
Algorithmen zur Visualisierung von Graphen Lagenlayouts Marcus Krug Institut für Theoretische Informatik 25.06.2009 1/ 41 E-Mail-Graph der Fakultät für Informatik 2/ 41 E-Mail-Graph der Fakultät für Informatik
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrAnwendungen der WSPD & Sichtbarkeitsgraphen
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 08.07.2014 1 Wdh.: Well-Separated Pair Decomposition Def.: Ein Paar disjunkter Punktmengen
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrVERBAND BERLINER VERWALTUNGSJURISTEN e. V.
Besoldungsvergleich 2015 Stand: 21. Mai 2015 BUND Besoldung der Bundesbeamten ab 1. März 2015.+2,2% A 13 ledig, Stufe 1 3.971,66 - - 47.659,92 3 insgesamt 10 Dienstjahre, Stufe 4 4.849,46 360,52-62.519,76
MehrAlgorithmen zur Visualisierung von Graphen
Gitterlayouts fu r planare Graphen I NSTITUT F U R T HEORETISCHE I NFORMATIK L EHRSTUHL A LGORITHMIK I M ARCUS K RUG KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum in der
MehrFlussmethoden: orthogonales Graphenzeichnen
Algorithmen zur Visualisierung von Graphen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg 04.2.203 Orthogonale Gitterzeichnungen 2 Orthogonale Gitterzeichnungen
MehrAlgorithmen 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
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
MehrKartogramme - Wege zu einem tieferen Verständnis Räumlicher Zusammenhänge
Kartogramme - Wege zu einem tieferen Verständnis Räumlicher Zusammenhänge Markus Burgdorf Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR) im Bundesamt für Bauwesen und Raumordnung (BBR) Referat
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 05.05.2011 Ablauf Besprechung ÜB3 Korrektheitsbeweis
MehrEinführung & Konvexe Hülle
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.04.2012 AlgoGeom-Team Dozent Martin Nöllenburg noellenburg@kit.edu
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 16 Programm: Einführung
MehrPunktbeschriftung in Landkarten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 07.05.2013 Klassische Kartenbeschriftung Poor, sloppy, amateurisch
MehrAnhang (Seite 4 bis 20): Abbildungen zur Entwicklung der monatlichen Ausgaben der Jobcenter ge für Leistungen nach dem SGB II in den Ländern und
Anhang (Seite 4 bis 20): Abbildungen zur Entwicklung der monatlichen Ausgaben der Jobcenter ge für Leistungen nach dem SGB II in den Ländern und insgesamt (auch im Anhang immer nur die von den Agenturen
MehrVisualisierung von Graphen
1 Visualisierung von Graphen Geradlinige Zeichnungen planarer Graphen 6. Vorlesung Sommersemester 2013 (basierend auf Folien von Marcus Krug und Tamara Mchedlidze, KIT) 2 Planare Graphen: Charakterisierung,
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 07.05.204 Ablauf Vergabe der Projekte Übungsblatt
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
Mehr1.5.10b Waldfläche [ha] nach Eigentumsart und Naturnähe der Baumartenzusammensetzung der Hauptbestockung
1.5.10b Waldfläche [ha] nach Eigentumsart und Naturnähe der Baumartenzusammensetzung Deutschland, bestockter Holzboden, begehbarer Wald, ohne Lücken in, Bäume, bestandesübergreifend, Raster: 16km²: NI,
MehrAnordnungstechniken für konvektionsdominante Probleme im Ê 3. Dimensionsunabhängige Verfahren. Algorithmen für planare Graphen. Numerische Beispiele
Anordnungstechniken für konvektionsdominante Probleme im Ê 3 Inhalt: Einführung Dimensionsunabhängige Verfahren Algorithmen für planare Graphen Anordnungen im Ê 3 Numerische Beispiele 2 Einführung betrachtet
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.05.2011 Motivation Gegeben eine Position p = (p x, p y )
MehrVisualisierung von Graphen
1 Visualisierung von Graphen Hierarchische Zeichnungen 6. Vorlesung Sommersemester 2015 (basierend auf Folien von Marcus Krug, KIT) 2 Beispiel E-Mail-Graph zwischen Einrichtungen der Fak. für Informatik,
MehrKanonische Ordnungen und die Mondshein-Sequenz
Kanonische Ordnungen und die Mondshein-Sequenz a.k.a. (2,)-Order 2 8 0 9 5 7 6 2 Überblick Geradlinige Zeichnungen Kanonische Ordnungen + Shift-Algorithmus Erweiterungen durch Ohrendekompositionen Mondshein-Sequenz
MehrBereichsabfragen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.05.2011 Geometrie in Datenbanken In einer Personaldatenbank
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 22 1 Das Travelling Salesperson Problem
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Das Travelling Salesperson Problem 2 Das Travelling Salesperson Problem Zentrales Problem der Routenplanung Unzählige wissenschaftliche Artikel theoretischer sowie
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
MehrAllgemeine. Grundgehalt monatlich. Stellenzulage/ Sonderzahlung Jahresbrutto inkl.
www.berliner-verwaltungsjuristen.de Besoldungsvergleich 2017 Stand: 30. Juni 2017 BUND Besoldung der Bundesbeamten ab 1. Februar 2017.+2,35% A 13 ledig, Stufe 1 4.154,43 - - 49.853,16 3 10 Dienstjahre,
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrÜbung Algorithmische Kartografie Übungsblatt 2 & 3
Übung Algorithmische Kartografie Übungsblatt 2 & 3 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 23.05.2013 Übungsblatt 2 Schematisierung
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.05.2012 Das Kunstgalerie-Problem Aufgabe: Installiere ein Kamerasystem
MehrHA-Lösung TA-Lösung Diskrete Strukturen Hausaufgabenblatt 8. Abgabe bis zum um 12:00
Technische Universität München Winter 2018/19 Prof. J. Esparza / Dr. M. Luttenberger, C. Welzel 2019/01/29 HA- TA- Diskrete Strukturen Hausaufgabenblatt 8 Abgabe bis zum 12.12.2018 um 12:00 Beachten Sie:
MehrSonderpädagogische Förderung in Förderschulen (Sonderschulen) 2015/2016
Sekretariat der Ständigen Konferenz der Kultusminister der Länder in der Bundesrepublik Deutschland IVC/Statistik Berlin, den..0 Sonderpädagogische Förderung in Förderschulen (Sonderschulen) 0/0 Seite
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
MehrVorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer
Vorlesung Geometrische Algorithmen Generierung von Nicht-uniformen Netzen Sven Schuierer Uberblick 1. Anwendung 2. Anforderungen an Netze 3. Quadrantenbaume Quadrantenbaume fur Punktemengen Bestimmung
MehrBIAJ-Materialien Kinder und Jugendliche: Armutsgefährdungs- und SGB-II-Quoten Ländervergleich 2006 bis 2016 BIAJ 2006 bis 2016 Tabelle 1 Tabelle 2
BIAJ-Materialien Kinder und Jugendliche: Armutsgefährdungs- und SGB-II-Quoten Ländervergleich 2006 bis 2016 (BIAJ) Wie hat sich die sogenannte Armutsgefährdungsquote 1 bei den Kindern und Jugendlichen
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
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Flussmethoden Knickminimierung in orthogonalen Layouts Vorlesung im Sommersemester 2009 Martin Nöllenburg.05.2009 Lehrstuhl für Algorithmik nstitut für Theoretische
MehrZusammensetzung der Kosten der Krankenhäuser 2002 und 2013 (absolute Kosten in TEuro)
Zusammensetzung der Kosten der Krankenhäuser 2002 und 2013 (absolute Kosten in TEuro) 195.302; 0,3% 38.138; 0,1% 2002 2013 503.936; 1% 141.873 ; 0,2% 20.415.267; 33,9% 39.541.980; 65,7% 33.760.283 ; 38,3%
MehrRouting 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