Studientag zur Algorithmischen Mathematik
|
|
- Adrian Beltz
- vor 7 Jahren
- Abrufe
Transkript
1 Studientag zur Algorithmischen Mathematik Eulertouren, 2-Zusammenhang, Bäume und Baumisomorphismen Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011
2 Outline Eulertouren Charakterisierung im Fall ungerichteter Graphen Gerichtete Eulertouren Zweizusammenhang Operationen auf Multigraphen Bäume Charakterisierung von Bäumen Isomorphietest von Bäumen
3 Eulertouren Eine Eulertour ist ein geschlossener Spaziergang, der jede Kante genau einmal besucht.
4 Eulertouren Eine Eulertour ist ein geschlossener Spaziergang, der jede Kante genau einmal besucht. G ist eulersch : G hat Eulertour
5 Eulertouren Eine Eulertour ist ein geschlossener Spaziergang, der jede Kante genau einmal besucht. G ist eulersch : G hat Eulertour ist eulersch 4
6 Eulertouren Eine Eulertour ist ein geschlossener Spaziergang, der jede Kante genau einmal besucht. G ist eulersch : G hat Eulertour ist eulersch 4 ist nicht eulersch
7 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen.
8 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen. Beweis. (i) (ii): klar (genauso oft rein wie raus).
9 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen. Beweis. (i) (ii): klar (genauso oft rein wie raus). (ii) = (iii): Wähle v 0 V und laufe solange noch neue Kanten gefunden werden.
10 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen. Beweis. (i) (ii): klar (genauso oft rein wie raus). (ii) = (iii): Wähle v 0 V und laufe solange noch neue Kanten gefunden werden. Da deg(v) gerade ist, endet dieses Vorgehen in v 0.
11 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen. Beweis. (i) (ii): klar (genauso oft rein wie raus). (ii) = (iii): Wähle v 0 V und laufe solange noch neue Kanten gefunden werden. Da deg(v) gerade ist, endet dieses Vorgehen in v 0. Enferne die so gefundenen Kreise und fahre rekursiv fort, bis der Graph leer ist.
12 Eulersche Graphen Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind (i) G ist eulersch. (ii) G ist zusammenhängend und v V : deg(v) ist gerade. (iii) G ist zusammenhängend und E ist kantendisjunkte Vereinigung von Kreisen. Beweis. (i) (ii): klar (genauso oft rein wie raus). (ii) = (iii): Wähle v 0 V und laufe solange noch neue Kanten gefunden werden. Da deg(v) gerade ist, endet dieses Vorgehen in v 0. Enferne die so gefundenen Kreise und fahre rekursiv fort, bis der Graph leer ist. (iii) = (i): Setze Kreise zu Tour zusammen.
13 Beispiel:
14 Beispiel:
15 Beispiel:
16 Beispiel:
17 Beispiel:
18 Beispiel:
19 Beispiel:
20 Beispiel:
21 Beispiel:
22 Genauso oft rein wie raus Satz: Sei D = (V, A) ein gerichteter Graph. Äquivalent sind (1) D eulersch (2) D zusammenhängend und v V : deg + (v) = deg (v) (3) D zusammenhängend und A disjunkte Vereinigung von gerichteten Kreisen
23 Zweizusammenhang G = (V, E) heißt k-zusammenhängend (k 2), falls V k + 1 und beim Löschen von k 1 Knoten bleibt G zusammenhängend
24 Zweizusammenhang G = (V, E) heißt k-zusammenhängend (k 2), falls V k + 1 und beim Löschen von k 1 Knoten bleibt G zusammenhängend Beispiel ist 2-zusammenhängend.
25 Zweizusammenhang G = (V, E) heißt k-zusammenhängend (k 2), falls V k + 1 und beim Löschen von k 1 Knoten bleibt G zusammenhängend Beispiel ist 2-zusammenhängend. ist nicht 2-zusammenhängend.
26 Zweizusammenhang G = (V, E) heißt k-zusammenhängend (k 2), falls V k + 1 und beim Löschen von k 1 Knoten bleibt G zusammenhängend Beispiel ist 2-zusammenhängend. ist nicht 2-zusammenhängend. Schnittknoten
27 Ohrenzerlegungen Eine Ohrenzerlegung (C 0, P 1, P 2,..., P m ) besteht aus einem Kreis (C 0 ) und Pfaden (P i ) beliebiger Länge, die wie folgt angefügt werden:
28 C 0 P 2 Outline Eulertouren Zweizusammenhang Operationen auf Multigraphen Bäume Ohrenzerlegungen Eine Ohrenzerlegung (C 0, P 1, P 2,..., P m ) besteht aus einem Kreis (C 0 ) und Pfaden (P i ) beliebiger Länge, die wie folgt angefügt werden: erlaubt: P 1 P 3
29 Ohrenzerlegungen Eine Ohrenzerlegung (C 0, P 1, P 2,..., P m ) besteht aus einem Kreis (C 0 ) und Pfaden (P i ) beliebiger Länge, die wie folgt angefügt werden: erlaubt: C 0 P 2 P 1 P 3 nicht erlaubt: C 0 P 1 P 2 P 2 ist kein Ohr, da P 2 kein Pfad, sondern Kreis ist
30 Zweizusammenhang und Ohrenzerlegungen Satz Sei G = (V, E) Graph. Paarweise äquivalent sind: (i) G ist 2-zusammenhängend (ii) je zwei Knoten liegen auf gemeinsamem Kreis (iii) G hat Ohrenzerlegung
31 Zweizusammenhang und Ohrenzerlegungen Satz Sei G = (V, E) Graph. Paarweise äquivalent sind: (i) G ist 2-zusammenhängend (ii) je zwei Knoten liegen auf gemeinsamem Kreis (iii) G hat Ohrenzerlegung Beweis. (ii) (i): klar.
32 Zweizusammenhang und Ohrenzerlegungen Satz Sei G = (V, E) Graph. Paarweise äquivalent sind: (i) G ist 2-zusammenhängend (ii) je zwei Knoten liegen auf gemeinsamem Kreis (iii) G hat Ohrenzerlegung Beweis. (ii) (i): klar. (i) (ii): Induktion nach n :=dist(u, v).
33 Zweizusammenhang und Ohrenzerlegungen Satz Sei G = (V, E) Graph. Paarweise äquivalent sind: (i) G ist 2-zusammenhängend (ii) je zwei Knoten liegen auf gemeinsamem Kreis (iii) G hat Ohrenzerlegung Beweis. (ii) (i): klar. (i) (ii): Induktion nach n :=dist(u, v). u v x u v n 1 v
34 Zweizusammenhang und Ohrenzerlegungen Satz Sei G = (V, E) Graph. Paarweise äquivalent sind: (i) G ist 2-zusammenhängend (ii) je zwei Knoten liegen auf gemeinsamem Kreis (iii) G hat Ohrenzerlegung Beweis. (ii) (i): klar. (i) (ii): Induktion nach n :=dist(u, v). (i) (iii): Algorithmisch, siehe Kurstext.
35 Operationen auf Multigraphen I Einfügen einer Kante G + e := (V, E {e })
36 Operationen auf Multigraphen I Einfügen einer Kante G + e := (V, E {e }) Entfernen einer Kante G \ e := (V, E \ {e})
37 Operationen auf Multigraphen II Entfernen eines Knotens G \ v := (V \ {v}, {e E v / e})
38 Operationen auf Multigraphen II Entfernen eines Knotens G \ v := (V \ {v}, {e E v / e}) Unterteilen einer Kante e = (v, w) G%e := (V {u}, (E\{e}) {(v, u), (u, w)})
39 Operationen auf Multigraphen III Kontraktion einer Kante e = (v, w) G/e := ((V {u}) \ {v, w}, {e E e {v, w} = } {(u, x) (v, x) E} {(y, u) (y, w) E})
40 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind:
41 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum.
42 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum. 2. G ist kreisfrei und E = V 1.
43 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum. 2. G ist kreisfrei und E = V G ist zusammenhängend und E = V 1.
44 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum. 2. G ist kreisfrei und E = V G ist zusammenhängend und E = V v, w V :! v, w-weg in G.
45 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum. 2. G ist kreisfrei und E = V G ist zusammenhängend und E = V v, w V :! v, w-weg in G. 5. G kreisfrei und e / E : G + e hat Kreis.
46 Charakterisierung von Bäumen Ein kreisfreier und zusammenhängender Graph T heißt Baum. Satz Sei G = (V, E) ein Graph. Paarweise äquivalent sind: 1. G ist Baum. 2. G ist kreisfrei und E = V G ist zusammenhängend und E = V v, w V :! v, w-weg in G. 5. G kreisfrei und e / E : G + e hat Kreis. 6. G zusammenhängend und e E : G \ e unzusammenhängend.
47 Existenz von Blättern Der Beweis der äquivalenten Charakterisierung von Bäumen benutzt an mehreren Stellen das folgende Lemma.
48 Existenz von Blättern Der Beweis der äquivalenten Charakterisierung von Bäumen benutzt an mehreren Stellen das folgende Lemma. Ein Knoten v V heißt Blatt von V, wenn deg(v) = 1.
49 Existenz von Blättern Der Beweis der äquivalenten Charakterisierung von Bäumen benutzt an mehreren Stellen das folgende Lemma. Ein Knoten v V heißt Blatt von V, wenn deg(v) = 1. Lemma Ein Baum mit mindestens zwei Knoten hat mindestens zwei Blätter.
50 Existenz von Blättern Der Beweis der äquivalenten Charakterisierung von Bäumen benutzt an mehreren Stellen das folgende Lemma. Ein Knoten v V heißt Blatt von V, wenn deg(v) = 1. Lemma Ein Baum mit mindestens zwei Knoten hat mindestens zwei Blätter. Beweis. Sei P ein Pfad maximaler Länge in T, seien dessen Endknoten u und v. Dann ist u v und beide müssen Blätter des Graphen sein.
51 Isomorphietest von Bäumen Wenn Bäume gleich gezeichnet sind, sehen wir Ihnen an, ob Sie isomorph sind.
52 Isomorphietest von Bäumen Wenn Bäume gleich gezeichnet sind, sehen wir Ihnen an, ob Sie isomorph sind. Wir wollen also eine Vereinbarung treffen, wie ein Baum zu zeichnen ist.
53 Isomorphietest von Bäumen Wenn Bäume gleich gezeichnet sind, sehen wir Ihnen an, ob Sie isomorph sind. Wir wollen also eine Vereinbarung treffen, wie ein Baum zu zeichnen ist. Formal ordnen wir dafür jedem Baum einen Code zu.
54 Isomorphietest von Bäumen (()) () gepfl. Baum (()) korrekter Code (())
55 Isomorphietest von Bäumen (()) (()) () () gepfl. Baum (()) (()) korrekter Code (())
56 Isomorphietest von Bäumen (()) (()) () () gepfl. Baum Wurzelbäumen (()) (()) (sort. Kind. lex.) korrekter Code vorher nicht korrekt sortiert (()) (())
57 Isomorphietest von Bäumen (()) (()) ((())) () () (()) gepfl. Baum () Wurzelbäumen (()) (()) ((())) (sort. Kind. lex.) korrekter Code vorher nicht korrekt sortiert (()) (())
58 Isomorphietest von Bäumen (()) (()) ((())) () () (()) gepfl. Baum () Wurzelbäumen (()) (()) ((())) (sort. Kind. lex.) korrekter Code vorher nicht nicht korrekt korrekt sortiert gewurzelt Bäumen (()) (())
59 Isomorphietest von Bäumen (()) (()) ((())) () () (()) gepfl. Baum () Wurzelbäumen (()) (()) ((())) (sort. Kind. lex.) korrekter Code vorher nicht nicht korrekt korrekt sortiert gewurzelt Bäumen (()) (()) (()) (best. Zentrum)
60 Man zeigt induktiv Satz Bäume sind genau dann isomorph, wenn sie den gleichen Code haben. Hieraus erhalten wir folgendes Verfahren:
61 Man zeigt induktiv Satz Bäume sind genau dann isomorph, wenn sie den gleichen Code haben. Hieraus erhalten wir folgendes Verfahren: 1. Bestimme Zentrum
62 Man zeigt induktiv Satz Bäume sind genau dann isomorph, wenn sie den gleichen Code haben. Hieraus erhalten wir folgendes Verfahren: 1. Bestimme Zentrum 2. Erstelle rekursiv Codes für Unterbäume der Zentrumsknoten, lexikographisch geordnet.
63 Man zeigt induktiv Satz Bäume sind genau dann isomorph, wenn sie den gleichen Code haben. Hieraus erhalten wir folgendes Verfahren: 1. Bestimme Zentrum 2. Erstelle rekursiv Codes für Unterbäume der Zentrumsknoten, lexikographisch geordnet. 3. Zentrumsknoten mit kleinerem Code ist Wurzel
64 Beispiel a b z 1 z 2
65 Beispiel () a b z 1 z 2 () ()
66 Beispiel (()) (()()) () z 1 z 2 a b () ()
67 Beispiel (()) (()()) () z 1 z 2 a b () () Es gilt: c(z 1 ) c(z 2 ), also ist z 1 Wurzel und der Gesamtcode lautet ( (()()) () }{{}}{{} z 2 a }{{} b )
Bemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrDiskrete Strukturen 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
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
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Minimale aufspannende Bäume und Matchings Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline Minimale aufspannende
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
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Euler-Hamilton)
WS 2015/16 Diskrete Strukturen 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
MehrFreie Bäume und Wälder
(Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese
MehrDiskrete Strukturen Wiederholungsklausur
Technische Universität München (I7) Winter 2013/14 Prof. J. Esparza / Dr. M. Luttenberger LÖSUNG Diskrete Strukturen Wiederholungsklausur Beachten Sie: Soweit nicht anders angegeben, ist stets eine Begründung
MehrMafI I: Logik & Diskrete Mathematik (F. Hoffmann)
Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
MehrFerienkurs Propädeutikum Diskrete Mathematik
Ferienkurs Propädeutikum Diskrete Mathematik Teil 3: Grundlagen Graphentheorie Tina Janne Schmidt Technische Universität München April 2012 Tina Janne Schmidt (TU München) Ferienkurs Propädeutikum Diskrete
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrGrundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 8
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
Mehr12. Graphen. Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap ,Cormen et al, Kap.
254 12. Graphen Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap. 9.1-9.4,Cormen et al, Kap. 22 Königsberg 1736 255 Königsberg 1736 255 Königsberg 1736 255
MehrDiskrete Mathematik Graphentheorie (Übersicht)
Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die
MehrDieser Graph hat 3 Zusammenhangskomponenten
Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrFerienkurs zum Propädeutikum Diskrete Mathematik. Technische Universität München
Ferienkurs zum Propädeutikum Diskrete Mathematik Andreas Würfl Stefan König Technische Universität München WS 09/10 Übersicht 1 Binäre Relationen 2 Elementares Zählen 3 Partitionen zählen 4 Erzeugende
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
MehrNaiver Algorithmus für Hamiltonkreis
Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)
WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
MehrGraphentheorie. Zusammenhang. Zusammenhang. Zusammenhang. Rainer Schrader. 13. November 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 13. November 2007 1 / 84 2 / 84 Gliederung stest und Schnittkanten älder und Bäume minimal aufspannende Bäume Der Satz von Menger 2-zusammenhängende
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
MehrTutoraufgabe 1 (Suchen in Graphen):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn
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
MehrFür die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt:
Der K 4 lässt sich auch kreuzungsfrei zeichnen: Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: ( ) n n (n 1) E
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrGraphen: Rundwege, Kodierung von Bäumen
TH Mittelhessen, Wintersemester 2013/2014 Lösungen zu Übungsblatt 11 Fachbereich MNI, Diskrete Mathematik 4./5./6. Februar 2014 Prof. Dr. Hans-Rudolf Metz Graphen: Rundwege, Kodierung von Bäumen Aufgabe
Mehr12. Graphen. Königsberg Zyklen. [Multi]Graph
Königsberg 76. Graphen, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap. 9. - 9.,Cormen et al, Kap. [Multi]Graph Zyklen C Kante Gibt es einen Rundweg durch die Stadt
MehrWESTFÄLISCHE WILHELMS-UNIVERSITÄT MÜNSTER. Über 7 Brücken... wissen leben WWU Münster. Dietmar Lammers Hochschultag 201
MÜNSTER Über 7 Brücken... Dietmar Lammers Hochschultag 201 MÜNSTER Über 7 Brücken... 2/29 > Dauerwerbeveranstaltung für ein Studium der Informatik- aber mit mathematischem Inhalt! Hier: Ein Auszug aus
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/03 Institut für Informatik Aufgabenblatt 6 Prof. Dr. J. Csirik 18. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am
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
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdurchläufe Maike Buchin 22. und 27.6.2017 Graphexploration Motivation: Für viele Zwecke will man den gesamten Graphen durchlaufen, zb. um festzustellen ob er (stark) zusammenhängt.
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
MehrVorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrGraphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Dipl-Math. Wolfgang Kinzner 2.4.2012 Kapitel 1: Grundlagen der algorithmischen Graphgentheorie
MehrNatürliche Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. Natürliche Bäume 1/16
Natürliche Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 Natürliche Bäume 1/16 Bäume Begriffe (1/2) Bäume sind verallgemeinerte Listenstrukturen ein
MehrEinführung in die Informatik I
Einführung in die Informatik I Graphen und Bäume Prof. Dr. Nikolaus Wulff Weitere Datentypen Als wichtige abstrakte Datentypen (ADT) kennen wir bis lang die Liste, den Stapel und die Warteschlange. Diese
MehrDiskrete Mathematik 1
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt
MehrEffizienter Planaritätstest Vorlesung am
Effizienter Planaritätstest Vorlesung am 23.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER Satz Gegebenen einen Graphen G = (V, E) mit n Kanten und m Knoten, kann in O(n + m) Zeit
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
Mehr8. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Grundlagen
MehrGraphen. Graphen und ihre Darstellungen
Graphen Graphen und ihre Darstellungen Ein Graph beschreibt Beziehungen zwischen den Elementen einer Menge von Objekten. Die Objekte werden als Knoten des Graphen bezeichnet; besteht zwischen zwei Knoten
Mehr9. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
Mehra) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:
1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem
Mehr4. Kreis- und Wegeprobleme
4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung
MehrWestfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld
Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
MehrZentralübung zur Vorlesung Diskrete Strukturen
WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
Mehr2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 2: Einführung in die Graphentheorie - Teil 2 Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. März 2018 1/48 OPERATIONEN
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010
MehrDiskrete Mathematik für Informatiker
Universität Siegen Lehrstuhl Theoretische Informatik Carl Philipp Reh Daniel König Diskrete Mathematik für Informatiker WS 016/017 Übung 7 1. Gegeben sei folgender Graph und das Matching M = {{h, f}, {c,
MehrWir betrachten einen einfachen Algorithmus, der den Zusammenhang eines Graphen testen soll.
Kapitel 2 Zusammenhang 2.1 Zusammenhängende Graphen Wir betrachten einen einfachen Algorithmus, der den Zusammenhang eines Graphen testen soll. (1) Setze E = E, F =. (2) Wähle e E und setze F = F {e},
MehrEulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal
3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition
MehrVerteilen von Bällen auf Urnen
Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle
MehrVorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen
Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter WS 2013/14 1 Eulersche Graphen Kantenzug Ein Kantenzug in einem Graphen (V, E) ist eine Folge (a 0, a 1,..., a n ) von Knoten
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Klausurvorbereitung
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl.-Math. S. König, Dipl.-Math. A. Würfl, Klausurvorbereitung Die Klausur zum Propädeutikum Diskrete
MehrGraphenalgorithmen I
enalgorithmen I Tobias Pröger 21. Dezember 2016 Erklärung: Diese Mitschrift ist als Ergänzung zur Vorlesung gedacht. Wir erheben keinen Anspruch auf Vollständigkeit und Korrektheit. Wir sind froh über
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 6: Kreis- und Wegeprobleme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 27. März 2018 1/47 KREIS- UND WEGEPROBLEME 2/47
MehrA Berlin, 10. April 2017
A Berlin, 10. April 2017 Name:... Matr.-Nr.:... Wiederholung der schriftlichen Prüfung zur Vorlesung Diskrete Strukturen (Niedermeier/Molter/Froese, Wintersemester 2016/17) Einlesezeit: 15 Minuten Bearbeitungszeit:
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrKapitel 5: Minimale spannende Bäume Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken
MehrMatchings in Graphen. Praktikum Diskrete Optimierung (Teil 5)
Praktikum Diskrete Optimierung (Teil 5) 6.05.009 Matchings in Graphen Es sei ein ungerichteter Graph G = (V, E) gegeben. Ein Matching in G ist eine Teilmenge M E, so dass keine zwei Kanten aus M einen
MehrDiskrete Strukturen. Name Vorname Studiengang Matrikelnummer. Hörsaal Reihe Sitzplatz Unterschrift ... Allgemeine Hinweise
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 7 Prof. Dr. Javier Esparza Wintersemester 2008/09 Abschlussklausur 7. Februar 2009 Diskrete Strukturen Name Vorname Studiengang
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )
MehrVerkettete Datenstrukturen: Bäume
Verkettete Datenstrukturen: Bäume 1 Graphen Gerichteter Graph: Menge von Knoten (= Elementen) + Menge von Kanten. Kante: Verbindung zwischen zwei Knoten k 1 k 2 = Paar von Knoten (k 1, k 2 ). Menge aller
MehrWas bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen
Was bisher geschah gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen Spezielle Graphen: I n, K n, P n, C n, K m,n, K 1,n, K n1,...,n m Beziehungen zwischen Graphen: Isomorphie, Teilgraph,
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 31.10.2005 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek
Mehrn t(2k + 1) in den P k s r = n t(2k + 1) Rest
Kette von P k s: Gesamtzahl der Elemente: top P k bottom P k P k }{{} t n t(2k + 1) in den P k s r = n t(2k + 1) Rest EADS 4 Schönhage/Paterson/Pippenger-Median-Algorithmus 365/530 Wenn r < t 1, dann wissen
Mehr6. Planare Graphen und Färbungen
6. Planare Graphen und Färbungen Lernziele: Den Begriff der Planarität verstehen und erläutern können, wichtige Eigenschaften von planaren Graphen kennen und praktisch einsetzen können, die Anzahl von
MehrInformatik II Übung 2
Informatik II Übung 2 Gruppe 2 Carina Fuss cfuss@student.ethz.ch 7.3.2018 Carina Fuss 7.3.2018 1 Übersicht Tipps zu Eclipse Nachbesprechung Übung 1 Vorbesprechung Übung 2 Wurzelbäume Sortieralgorithmus
Mehrw 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
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
Mehr