OPERATIONS RESEARCH. Studiengang Wirtschaftsinformatik 4. Semester Teil 1. Prof. Dr. Heinrich Paessens SS EINFÜHRUNG 3 1.

Größe: px
Ab Seite anzeigen:

Download "OPERATIONS RESEARCH. Studiengang Wirtschaftsinformatik 4. Semester Teil 1. Prof. Dr. Heinrich Paessens SS EINFÜHRUNG 3 1."

Transkript

1 OPERATIONS RESEARCH Studiengang Wirtschaftsinformatik. Semester Teil Prof. Dr. Heinrich Paessens SS EINFÜHRUNG. GRAPHENTHEORIE. DEFINITIONEN/BEGRIFFE DER GRAPHENTHEORIE Grundlegende Definitionen Wegetypen Speicherung von Graphen Bäume Kapazitätendigraphen/Flussgraphen Netzplantechnik (CPM-Methode). ALGORITHMEN IN GRAPHEN... 6 Bestimmung der Nachfolger Kürzeste Wege - Dijkstra - Tripel - Bellmann Topologische Sortierung Minimalgerüst Maximaler Fluss. AUFGABEN ZUR GRAPHENTHEORIE... BEIBLÄTTER.. 6 Operations Research SS von 8

2 LITERATUR: DOMSCHKE, W.: Logistik: Transport. Oldenbourg Verlag. DOMSCHKE, W.: Logistik: Rundreisen und Touren. Oldenbourg Verlag. DOMSCHKE, W.; DREXL, A.: Einführung in Operations Research. Springer Verlag GRITZMANN, P.; BRANDENBURG, R.: Das Geheimnis des kürzesten Weges. Ein mathematisches Abenteuer. Springer Verlag GRÜNERT, T.; IRNICH, S.: Optimierung im Transport. Band : Grundlagen. Shaker Verlag GRÜNERT, T.; IRNICH, S.: Optimierung im Transport. Band : Wege und Touren. Shaker Verlag HERBST, P.; PAESSENS, H.: Tourenplanung mit TourMaster. Expert Verlag (erscheint April 00) HUSSMANN, S.; LUTZ-WESTPHAL, B.: Kombinatorische Optimierung erleben. Vieweg-Teubner Verlag KÖNIG, W. U.A.: Taschenbuch der Wirtschaftsinformatik und Wirtschaftsmathematik. Harry Deutsch Verlag NITZSCHE, M.: Graphen für Einsteiger. Rund um das Haus vom Nikolaus. Vieweg-Teubner Verlag VAHRENKAMP, R.: Quantitative Logistik für das Supply Chain Management. Oldenbourg Verlag SCHWARZE, J.: Mathematik für Wirtschaftswissenschaftler. Band : Lineare Algebra, Lineare Optimierung und Graphentheorie. Verlag Neue Wirtschafts-Briefe Operations Research SS von 8

3 0. EINFÜHRUNG 0. GEBIETE DES OPERATIONS RESEARCH Lineare Optimierung Nichtlineare Optimierung Ganzzahlige Optimierung Graphentheorie Netzplantechnik Dynamische Optimierung Warteschlangentheorie Simulation Spieletheorie 0.. DURCHFÜHRUNG EINES PLANUNGSPROZESSES Ein Planungsprozess kann in 7 Schritten dargestellt werden (siehe auch DOMSCHKE, DREXL): S: Erkennen und Analysieren des Problems S: Darstellung des Problems -> Beschreibung durch ein Modell (vereinfachtes Abbild des realen Problems) S: Formulierung von Zielen und Handlungsmöglichkeiten S: Formulierung eines mathematischen Modells S: Datenbeschaffung S6: Lösungsfindung mit Hilfe von Algorithmen (manuell oder mit Software) S7: Bewertung der Lösung Operations Research SS von 8

4 . GRAPHENTHEORIE. DEFINITIONEN/BEGRIFFE DER GRAPHENTHEORIE DEFINITION : Ein ungerichteter Graph G = (V,E) besteht aus einer Menge von Knoten V={,,...,n} und Kanten E={e,e,...,e m }. Die Anzahl der Knoten wird mit n, die Anzahl der Kanten mit m bezeichnet. Die einer Kante e zugeordneten Knoten i, j werden Endknoten von e genannt. Man schreibt e = (i, j) oder e = (j, i) und sagt, dass die Kante e die Knoten i, j "verbindet". Knoten i heißt Nachbar des Knotens j und umgekehrt, falls e = (i, j) eine Kante in G ist. Ein gerichteter Graph G = [V,E] besteht aus einer Menge von Knoten V={,,...,n} und Pfeilen E={e,e,...,e m }. Die Anzahl der Knoten wird wiederum mit n, die Anzahl der Pfeile mit m bezeichnet. Ein gerichteter Graph G = [V,E] wird auch Digraph D = [V,E] genannt. Für einen Pfeil e wird e = [i, j] geschrieben; i heißt Anfangsknoten und j Endknoten des Pfeiles e. Man sagt auch, dass der Pfeil e "vom Knoten i ausgeht" und "in den Knoten j einmündet". Knoten j wird (unmittelbarer) Nachfolger von Knoten i, Knoten i (unmittelbarer) Vorgänger von Knoten j genannt. Die Menge aller Nachfolger eines Knotens i wird mit S i und die Menge aller Vorgänger eines Knotens i mit P i bezeichnet. Ein Graph G = (V,E), der sowohl Pfeile wie auch Kanten enthält, heißt gemischter Graph. DEFINITION : Ist jeder Kante e (jedem Pfeil e) eines Graphen G (Digraphen D) eine Bewertung c(e) zugeordnet, so wird G = (V,E,c) bewerteter Graph (D = [V,E,c] bewerteter Digraph) genannt. DEFINITION : Ein Weg w=(i,...,j) in einem ungerichteten Graphen G bzw. ein Weg w=[i,...,j] in einem Digraphen D ist eine Aufeinanderfolge von zusammenhängenden Kanten bzw. Pfeilen entsprechender Richtung mit Anfangsknoten i und Endknoten j. Operations Research SS von 8

5 Ein Knoten j heißt von einem Knoten i aus erreichbar,falls ein Weg von i nach j existiert. Ein Weg w mit unterschiedlichen Anfangsknoten i und Endknoten j (i j) wird als offener Weg bezeichnet. Ein Weg w, dessen Anfangs- und Endknoten identisch sind (i=j), wird als geschlossener Weg oder Rundreise oder Zyklus bezeichnet. Ein Weg w, der jede Kante bzw. jeden Pfeil eines Graphen G genau einmal enthält, wird Eulerlinie genannt. Ein Weg w, der jeden Knoten eines Graphen G genau einmal enthält, wird Hamiltonlinie genannt. (Ausnahme: bei einer geschlossenen Hamiltonlinie sind Anfangs- und Endknoten identisch). Weitere Typen von Wegen in Graphen sind von praktischer Bedeutung: () Ein Weg w, der jede Kante (bestimmte Kanten) bzw. jeden Pfeil (bestimmte Pfeile) eines Graphen G mindestens einmal enthält () Ein Weg w, der jeden (bestimmte) Knoten eines Graphen G mindestens einmal enthält DEFINITION : Die Länge eines Weges c(w) ergibt sich aus der Aufsummierung der Bewertungen der benutzten Kanten bzw. Pfeile des Weges w. Ein Weg w in einem Graphen G, der unter allen von Knoten i nach Knoten j führenden Wegen die geringste Länge besitzt, heißt kürzester Weg von i nach j. Entsprechend wird eine Rundreise mit geringster Länge kürzeste oder auch minimale Rundreise genannt. DEFINITION : Unter dem Grad eines Knotens i in einem ungerichteten Graphen G versteht man die Anzahl derjenigen Kanten, die diesen Knoten als Endknoten besitzen ("berühren"), in Zeichen δi. Unter dem positiven (negativen) Grad eines Knotens i in einem Digraphen D versteht man die Anzahl der Pfeile, die diesen Knoten als Anfangsknoten (Endknoten) besitzen, in Zeichen δ + i (δ - i). Operations Research SS von 8

6 WEG GESCHLOSSEN ZYKLUS RUNDREISE OFFEN KNOTEN KANTEN / PFEILE KNOTEN KANTEN / PFEILE JEDER KNOTEN GENAU X G. HAMIL- TON LINIE JEDER KNOTEN MIND. X BEST. KNOTEN JEDE KANTE/ PFEIL GENAU X G. EULER- LINIE JEDE KANTE/ PFEIL MIND. X BEST. KANTEN/ PFEILE JEDER KNOTEN GENAU X O. HAMIL- TON LINIE JEDER KNOTEN MIND. X BEST. KNOTEN JEDE KANTE/ PFEIL GENAU X O. EULER- LINIE JEDE KANTE/ PFEIL MIND. X BEST. KANTEN/ PFEILE TSP CPP BEI VORLIEGEN EINES BEWERTETEN GRAPHEN KÖNNEN MINIMALE / MAXIMALE WEGE (ZYKLEN, RUNDREISEN,...) BESTIMMT WERDEN. MÖGLICHE WEGE -TYPEN Operations Research SS von 8

7 ANMERKUNGEN ZU EULERLINIEN: Regeln in ungerichteten Graphen G: () Sind in einem Graphen G alle Knoten von geradem Grad, so existiert in G eine geschlossene Eulerlinie. () Sind in einem Graphen G genau Knoten i und j von ungeradem Grad und alle anderen Knoten von geradem Grad, so existiert in G eine offene Eulerlinie. i und j sind Anfangs- bzw. Endknoten der offenen Eulerlinie. Regeln in Digraphen D: () Gilt für jeden Knoten i in D δ+ i = δ- i, so existiert eine geschlossene Eulerlinie in D. () Gilt für genau Knoten i und j in D δ+ i - δ- i = und δ- j - δ+ j = sowie für alle anderen Knoten k δ+ k = δ- k, so existiert eine offene Eulerlinie in D. i ist der Anfangsknoten und j der Endknoten der offenen Eulerlinie. DEFINITION 6: () Ein Knoten i ohne Vorgänger, d.h. δ- i =0, mit δ+ i >0 wird Quelle, ein Knoten i ohne Nachfolger, d.h. δ+ i =0, mit δ- i >0 wird Senke genannt. () Ein Knoten i mit δi = 0 bzw. mit δ+ i = δ- i = 0 heißt isoliert. DEFINITION 7: () Existieren mehrere Kanten (Pfeile), die dieselben Endknoten (Anfangs- und Endknoten) besitzen, so nennt man diese Kanten (Pfeile) parallel. () Stimmen die beiden Endknoten einer Kante (Anfangs- und Endknoten eines Pfeiles) miteinander überein, dann bezeichnet man diese(n) Kante (Pfeil) als Schlinge. () Ungerichtete (gerichtete) Graphen, die sich in der Ebene ohne Überschneiden von Kanten (Pfeilen) zeichnen lassen, nennt man planar. Operations Research SS von 8

8 DEFINITION 8: Ein Graph G heißt vollständig, wenn je zwei verschiedene Knoten i und j des Graphen G durch mindestens eine Kante (i, j) bzw. durch mindestens einen Pfeil [i, j] sowie einen entgegengesetzt gerichteten Pfeil [j, i] miteinander verbunden sind. Es gilt für die Anzahl der Kanten bzw. Pfeile ungerichteter Graph : m := n*(n-)/ gerichteter Graph (Digraph) : m := n*(n-) DEFINITION 9: Ein gerichteter Graph D heißt symmetrisch, falls für alle Pfeile von D gilt [i, j] E [j, i] E. DEFINITION 0: Eine Nummerierung der Knoten eines zyklenfreien Digraphen D = [V,E] mit j Si i < j ( i,j n ) heißt Topologische Sortierung von D, d.h. die Knotennummer des Anfangsknotens eines jeden Pfeiles von D ist kleiner als die Knotennummer des Endknotens. Insbesondere ist in einem topologisch sortierten Digraphen Knoten eine Quelle und Knoten n eine Senke. DEFINITION : Die Adjazenzmatrix A(D) eines Digraphen D = [V,E] (ohne Schlingen und parallele Pfeile) mit V = {,..., n} ist eine n x n - Matrix mit den Elementen, falls [i,j] E aij := 0, sonst. Operations Research SS von 8

9 DEFINITION : Die einem bewerteten Digraphen D = [V,E,c] (ohne Schlingen und parallele Pfeile) zugeordnete n x n - Matrix C(D) mit den Elementen 0, falls i = j cij := c ([i,j]), falls e=[i,j] E, sonst heißt Bewertungsmatrix von D. DEFINITION : Sei D = [V,E,c] ein bewerteter Digraph mit E = {e,..., em}. Dann heißen die Vektoren anf anf :=... anfm end end :=... endm Anfangsknotennummernvektor bzw. Endknotennummernvektor, wobei anfi (endi) die Knotennummer des Anfangsknotens (Endknotens) des Pfeiles ei ist. Der Vektor c := c... cm wird Bewertungsvektor genannt, wobei c i die Bewertung des Pfeiles e i ist. DEFINITION : Eine Nummerierung der Pfeile eu = [anfu, endu] (anfu, endu V), u =,..., m eines Digraphen D = [V,E] mit E = {e,..., em}, für die u > w anfu anfw ( w < u m) gilt, heißt Pfeilsortierung von D, d.h. der Anfangsknotennummernvektor ist aufsteigend sortiert. Operations Research SS von 8

10 DEFINITION : Sei D = [V,E] ein pfeilsortierter Digraph mit V = {,..., n} und E = {e,..., em}. Dann wird der Vektor pn pn :=... pnn+ Pfeilnummernvektor von D genannt, wobei pni die Pfeilnummer desjenigen Pfeiles ist, der unter allen von Knoten i ausgehenden Pfeilen die kleinste Pfeilnummer hat (i =,..., n). Ist ein Knoten j eine Senke oder ein isolierter Knoten, so wird pnj := pnj+ gesetzt. Zweckmäßigerweise ist pnn+ := m + festgelegt. DEFINITION 6: Sei D = [V,E,c] ein bewerteter Digraph ohne Zyklen negativer Länge und c*(w) die Länge des kürzesten Weges w = [i,..., j] von i nach j, dann heißt die Größe 0, falls i = j kij := c*(w), w = [i,..., j], falls j von i aus nicht erreichbar Entfernung von i nach j und die n x n - Matrix K(D) mit den Elementen kij Entfernungsmatrix von D. DEFINITION 7: Sei D = [V,E] ein Digraph. Dann heißt die n x n - Matrix P(D) mit den Elementen i, falls i = j oder [i,j] E pij := 0, sonst Vorgängermatrix von D. Operations Research SS von 8

11 DEFINITION 8: Sei D=[V,E,c] ein bewerteter Digraph. Der Digraph D' = [V,E'] mit E' E heißt Wurzelbaum mit Wurzel r (r V), wenn r Quelle von D' und jeder andere von r aus erreichbare Knoten k in D durch genau einen von r nach k führenden kürzesten Weg in D von r aus in D' erreichbar ist, d.h. der Wurzelbaum D' gibt die Verläufe der kürzesten Wege von Knoten r zu allen anderen Knoten von D an. DEFINITION 9: Ein Graph G heißt zusammenhängend, wenn jeder Knoten in G von jedem anderen Knoten aus erreichbar ist. DEFINITION 0: Sei G = (V,E) ein zusammenhängender Graph. Der zusammenhängende Graph G' = (V,E') mit E' E heißt dann spannender Baum oder Gerüst von G, wenn G' keinen Zyklus enthält. Ein Gerüst enthält m = n- Kanten. DEFINITION : Sei G = (V,E,c) ein zusammenhängender, bewerteter Graph. Ein Gerüst G' = (V,E',c') mit c'(e) = c(e) für alle e E' heißt Minimalgerüst von G, wenn c'(e) MIN e E' gilt. Operations Research SS von 8

12 DEFINITION : Sei D = [V,E] ein Digraph und existiert für jeden Pfeil e E eine Minimalkapazität u(e) sowie eine Maximalkapazität o(e) mit () u(e) o(e), () u(e), o(e) 0, dann heißt D = [V,E,u,o] ein Kapazitätendigraph. Ist der Digraph bewertet, so heißt D = [V,E,u,o,c] bewerteter Kapazitätendigraph. DEFINITION : Seien D = [V,E,u,o] ein Kapazitätendigraph sowie fq und fs zwei verschiedene Knoten in D. ϕ heißt Fluss in D von fq nach fs, wenn gilt (a) ϕ fq,i - ϕ i,fq = ϕ i,fs - ϕ fs,i i S fq i P fq i P fs i S fs (b) ϕ i,j - ϕ j,i = 0 i V\{fq, fs}, j S i j P i erfüllt der Fluss ϕ zusätzlich die Bedingung (c) u(e) ϕ(e) o(e) e E, so heißt ϕ zulässig. fq wird als Flussquelle, fs als Flusssenke des Flusses ϕ bezeichnet. Die Größe des Flusses ϕ von fq nach fs wird mit (d) ω(ϕ) := ϕ fq,i - ϕ i,fq i S fq i P fq angegeben. DEFINITION : Ein zulässiger Fluss ϕ von fq nach fs mit maximaler Größe ω(ϕ*) wird maximaler Fluss genannt. Operations Research SS von 8

13 DEFINITION : Sei D = [V,E,u,o] ein Kapazitätendigraph. Ein Fluss ϕ Zirkulationsfluss in D, wenn (e) ϕ i,j - ϕ j,i = 0 i V j S i j P i heißt ist. ϕ heißt zulässiger Zirkulationsfluss, wenn außerdem Bedingung (c) aus Definition erfüllt ist. DEFINITION 6: Ein Zirkulationsfluss in einem bewerteten Kapazitätendigraph D = [V,E,u,o,c] heißt kostenminimaler Fluss, wenn gilt: (f) ϕ ist ein zulässiger Zirkulationsfluss, (g) ϕ ij * c ij ist minimal. [i,j] E ϕ ij * c ij sind dabei die Kosten des Flusses ϕ. [i,j] E Operations Research SS von 8

14 Anmerkungen zur Netzplantechnik-Methode CPM (Critical Path Method) Netzplantechnik (NPT) : beinhaltet Methoden zur optimalen Planung und Überwachung der Ausführung von (meist) umfangreichen Projekten. Das Projekt besteht aus vielen Teilarbeiten (Vorgänge), die in einer bestimmten Reihenfolge durchgeführt werden müssen. Netzwerk (Netzplan) : zyklenfreier Digraph ohne parallele Pfeile mit genau einer Quelle und genau einer Senke. Die Pfeile stellen die Vorgänge, die Bewertungen der Pfeile die entsprechenden Dauern der Vorgänge, die Knoten die Ereignisse (Zeitpunkt: Beginn/Ende eines Vorgangs) dar. Start-Ende-Beziehung Vorgang X - Vorgang Y: Vorgang Y kann erst begonnen werden, wenn Vorgang X beendet ist X Y Wichtige CPM-Größen: kürzeste Projektdauer : Länge des längsten Weges von der Quelle q zur Senke s ( = FZ s ). Projektendtermin: kürzeste Projektdauer FZ s oder Projektende T, falls T explizit vorgegeben kritische Wege : alle längsten Wege von q nach s. kritischer Vorgang : Vorgang auf dem kritischen Weg Operations Research SS von 8

15 ereignisbezogene Größen: FZ i : SZ i : frühest möglicher Zeitpunkt für den Eintritt des Ereignisses i (= Länge des längsten Weges (LW) von q nach i ). FZ q := 0. FZ s := kürzeste Projektdauer spätest möglicher Zeitpunkt für den Eintritt des Ereignisses i bei Einhaltung des Projektendtermines. SZ i := SZ s := SZ s - Länge LW von i nach s FZ s (oder SZ s :=T, falls das Projektende T explizit vorgegeben) vorgangsbezogene Größen: GP ij : gesamte Pufferzeit, d.h. maximale Zeitspanne, um die der Beginn des Vorgangs [i,j] verschoben werden kann, ohne den Projektendtermin zu gefährden. GP ij = SZ j - FZ i - c ij Operations Research SS von 8

16 . ALGORITHMEN IN GRAPHEN Bestimmung der Nachfolger eines Knotens i bei vektororientierter Speicherung eines pfeilsortierten Digraphen D Algorithmus NACHFOLGER - PN_GEN Aufbau des Pfeilnummernvektors PN: S: für k.. n führe aus: setze PN[k] 0 setze PN[n+] m+ S: für alle Pfeile e p in der Reihenfolge p.. m führe aus: falls ein neuer Anfangsknoten k auftritt, setze PN[k] p S: Überprüfung auf Senken und isolierte Knoten (alle Knoten k mit PN[k]=0 sind Senken oder isolierte Knoten): für alle PN[k] in der Reihenfolge k n,..., (-) führe aus: falls PN[k]=0, setze PN[k] PN[k+] Bestimmung der Nachfolger eines Knoten i: für p PN[i].. PN[i+] - führe aus : der Endknoten des Pfeiles mit Pfeilnummer p ist Nachfolger von i Operations Research SS von 8

17 Bestimmung eines kürzesten Weges (Länge und Verlauf) von einem Startknoten a zu allen anderen Knoten in einem bewerteten Digraphen D = [V,E,c] mit dem Algorithmus von DIJKSTRA Eingabe: a: Startknoten c[i,j]: Bewertung (Länge) des Pfeiles von i nach j Ausgabe: kw_dist[i]: pre[i]: kürzeste Wegelänge von Startknoten a nach i Vorgänger von i auf dem kürzesten Weg von Startknoten a nach i Voraussetzung: D darf keine negativen Bewertungen enthalten S: Initialisierung: Markiere Startknoten a: Setze für Knoten a: kw_dist[a] 0, pre[a] 0. Setze für alle anderen Knoten i ( i a): kw_dist[i], pre[i] 0. sei R die Menge der markierten Knoten, dann gilt a R (R={a}). S: Falls ein oder mehrere Knoten markiert sind (R ): wähle einen Knoten aus mit MIN kw_dist[j], j R dieser Knoten sei i; sonst (R = ): ENDE Dijkstra-Algorithmus. S: Für alle Nachfolger j S i, die noch nicht aus der Markierung entfernt worden sind, führe aus: falls kw_dist[i] + c[i,j] < kw_dist[j]: () setze kw_dist[j] kw_dist[i] + c[i,j], () setze pre[j] i, () markiere j (j R). Entferne die Markierung bei i (i R). Gehe zu S. Operations Research SS von 8

18 Bestimmung eines kürzesten Weges von jedem Knoten zu allen anderen Knoten eines bewerteten Digraphen D = [V,E,c], d,h. Erstellung der Entfernungsmatrix K(D) mit dem TRIPEL-Algorithmus Eingabe: C(D): Bewertungsmatrix P(D): Vorgängermatrix Ausgabe: K(D): Entfernungsmatrix (entstanden aus C(D)) P(D): pij: Vorgänger des Knotens j auf dem kürzesten Weg von i nach j Voraussetzung: D darf keine negativen Zyklen enthalten Schritte,...,n: Berechne im z-ten (z:=,..,n) Schritt für alle Elemente cij, die nicht Element der z-ten Zeile, der z-ten Spalte oder der Hauptdiagonalen sind: neu alt alt alt cij : = MIN (cij, ciz + czj ) sowie alt neu alt neu pzj, falls cij < cij pij := alt pij, sonst nach n Schritten: ENDE Tripel-Algorithmus Operations Research SS von 8

19 Bestimmung eines kürzesten Weges von einem Startknoten a zu allen anderen Knoten eines bewerteten Digraphen D = [V,E,c] mit dem Algorithmus von BELLMANN Eingabe: a : Startknoten c[i,j] : Bewertung des Pfeiles [i,j] Ausgabe: kw_dist[i] : Länge des kürzesten Weges von Startknoten a nach i pre[i] : Vorgänger des Knotens i auf dem kürzesten Weg von Startknoten a nach i VERSION a : D darf keine negativen Zyklen enthalten. Schritt 0: kw_dist[a] 0. kw_dist[i], i a. pre[i] 0, i. Schritt : Durchführung für i ε V\{a} : falls kw_dist[i] > kw_dist[j]+c[j,i], (j ε P(i)) setze kw_dist[i] kw_dist[j] + c[j,i], setze pre[i] j Schritt : Wiederholung von Schritt, bis kein kw_dist- Wert mehr verbessert werden kann. VERSION b : Schritt 0 : Schritt : D ist topologisch sortiert. siehe Version a für i a+,...,n führe aus: falls kw_dist[i] > kw_dist[j]+c[j,i], (j ε P(i)) setze kw_dist[i] kw_dist[j] + c[j,i], setze pre[i] j Operations Research SS von 8

20 Topologische Sortierung eines zyklenfreien Digraphen D = [V,E]. Algorithmus TOPSORT Eingabe: Ausgabe: D = [V,E] L(i): 'neue' Knotennummer des Knotens i Schritt 0: R {,...,n} = V k (zu vergebende aktuelle Knotennummer) Bestimme δ- j j R Schritt : Suche ein i R mit δ- i = 0 Existiert kein solches i -> L(i) k Falls k = n-> ENDE des Algorithmus: D ist topologisch sortiert Schritt : k k + R R \ { i } Bestimme für j Si: δ- j δ- j - Gehe zu Schritt ENDE des Algorithmus: D ist nicht zyklenfrei Operations Research SS von 8

21 Bestimmung eines Minimalgerüstes G' zu einem zusammenhängenden, bewerteten Graphen G = (V, E, c) Algorithmus MINGERÜST S: Der Graph G' besteht aus der Knotenmenge V und der Kantenmenge E' = S: Wähle die Kante in G mit der geringsten Bewertung aus und füge sie zu G' hinzu, wenn dadurch kein Zyklus in G' entsteht. Existiert keine Kante in G mehr -> ENDE S: Entferne die in S ausgewählte Kante aus G. S: Gehe zu S. Operations Research SS von 8

22 Bestimmung eines maximalen Flusses von einer Flussquelle fq zu einer Flusssenke fs in einem Kapazitätendigraphen D=[V,E,u,o] mit dem Algorithmus von FORD und FULKERSON (96) Eingabe: fq: Flussquelle fs: Flusssenke u[i,j]: Minimalkapazität des Pfeiles [i,j] o[i,j]: Maximalkapazität des Pfeiles [i,j] ϕ[i,j]: Fluss auf dem Pfeil [i,j] bei einem zulässigen Ausgangsfluss von fq nach fs Ausgabe: ϕ[i,j]: Fluss auf dem Pfeil [i,j] beim maximalen Fluss von fq nach fs S: Markiere die Flussquelle fq mit der Marke +fq / ε [fq]. Alle anderen Knoten i haben keine Marke. S: Finde einen Weg von der Flussquelle fq zur Flusssenke fs: Versuche alle nicht markierten Knoten zu markieren: ein Knoten j kann von einem Knoten i aus markiert werden, wenn i markiert und j nicht markiert ist: Fall A: Vorwärtsmarkierung, falls () j ist Nachfolger von i () ϕ[i,j] < o[i,j] gilt, markiere j mit der Marke +i /ε[j] MIN (ε[i], o[i,j]- ϕ[i,j]) Fall B: Rückwärtsmarkierung, falls () j ist Vorgänger von i () ϕ[j,i] > u[j,i] gilt, markiere j mit der Marke -i / ε[j] MIN (ε[i], ϕ[j,i]-u[j,i]) falls fs markiert wurde, gehe zu S falls fs nicht markiert werden konnte: der vorliegende Fluss ϕ ist ein maximaler Fluss: ENDE des Ford-Fulkerson-Algorithmus. Operations Research SS von 8

23 S: Flussveränderung: Setze j fs. Wiederhole falls Knoten j die Marke +i / ε[j] besitzt (Flussvergrößerung), setze ϕ[i,j] ϕ[i,j] + ε[fs], falls Knoten j die Marke i / ε[j] besitzt (Flussverkleinerung), setze ϕ[j,i] ϕ[j,i] - ε[fs]. Setze j i bis j = fq gilt. Gehe zu S. Operations Research SS von 8

24 . AUFGABEN ZUR GRAPHENTHEORIE Aufgabe : Gegeben ist folgender bewerteter Digraph D=[V,E,c] mit der Knotenmenge V={,,,,,6,7,8} und der Pfeilmenge E={e,..., e 0} mit e =[,], e =[,], e =[,], e =[,6], e =[,6], e 6=[,], e 7=[,], e 8=[,], e 9=[,], e 0=[6,] und c(e )=, c(e )=7, c(e )=7, c(e )=, c(e )=, c(e 6)=, c(e 7)=0, c(e 8)=, c(e 9)=6, c(e 0)=-. a) Geben Sie die Werte für n und m an. b) Stellen Sie den bewerteten Digraphen dar. c) Welche Knoten sind Vorgänger des Knotens? d) Welche Knoten sind von Knoten aus erreichbar? e) Geben Sie Länge und Verlauf des kürzesten Weges von Knoten nach Knoten an. f) wie e) jedoch unter der Annahme, dass c(e 0)=- gilt Aufgabe : Stellen Sie einen gemischten, bewerteten Graphen G = (V,E,c) als Digraphen D =[V,E,c] dar. Aufgabe : Sie starten und beenden ihre Tour in Depot A. Sie haben Aufträge zu erledigen in den Orten B, C, D, E und sollen ihre Tour mit minimaler km-anzahl durchführen. Die Entfernungen in km zwischen den benachbarten Orten sind wie folgt: A - B : 6 B - D : C - D : A - C : 8 B - E : C - E : A - E: D - E : Geben Sie den entsprechenden zugehörigen Graphen an. Was bestimmen Sie in graphentheoretischer Ausdrucksweise? Geben Sie die optimale Lösung an. Aufgabe : Gegeben ist ein Graph G = (V,E) mit der Knotenmenge V = {,,,,} und der Kantenmenge E = {e,e,e,e,e,e 6,e 7} mit e =(,), e =(,), e =(,), e =(,), e =(,), e 6=(,), e 7=(,). a) Stellen Sie den entsprechenden Graphen dar. b) Geben Sie durch die Folge der Knotennummern an (falls es nicht möglich ist, so begründen Sie es) b) eine offene Eulerlinie b) eine geschlossene Eulerlinie b) eine geschlossene Hamiltonlinie b) eine minimale Rundreise Aufgabe : Gegeben ist folgendes Straßennetz: Operations Research SS von 8

25 a) Geben Sie,falls möglich, eine offene Hamiltonlinie an. b) Geben Sie,falls möglich, eine geschlossene Hamiltonlinie an. c) Geben Sie, falls möglich, eine offene Eulerlinie an. d) Geben Sie, falls möglich, eine geschlossene Eulerlinie an. e) An jedem Straßenabschnitt des Straßennetzes ist Hausmüll zu entsorgen. Jeder Straßenabschnitt ist also zu durchfahren. Wie sieht eine Route minimaler Länge (Reihenfolge, Länge) aus, wenn das Depot (Start- und Endpunkt der Route) Knoten ist? Aufgabe 6: Gegeben ist folgender ungerichteter, bewerteter Graph Bestimmen Sie jeweils eine minimale Rundreise derart, a) dass jeder Knoten mindestens einmal besucht wird b) dass jede Kante mindestens einmal besucht wird Aufgabe 7: Königsberger Brückenproblem: c C g d A e D a b B f Problem: Existiert ein Rundweg - von einem beliebigen Startpunkt (A,B,C,D) ausgehend - derart, dass jede Brücke (a,b,c,d,e,f,g) genau einmal benutzt wird? Lösen Sie diese Problemstellungen graphentheoretisch. Stellen Sie dazu jeweils einen Graphen dar und führen Sie die Lösung des Problems auf eine graphentheoretische Problemstellung zurück. Welchen Wegetyp bestimmen Sie in dem jeweiligen Graphen? Operations Research SS von 8

26 Aufgabe 8: Gegeben sind n= Produktionsaufträge P,...,P. Für die einzelnen Produktionsaufträge P i müssen die benötigten Maschinen umgerüstet werden. Die Umrüstzeiten T ij (Umrüstzeit um vom Zustand i (für Produktionsauftrag P i) zum Zustand j (für Produktionsauftrag P j) der Maschinen zu gelangen) sind folgender Matrix T zu entnehmen: Gesucht ist die optimale Produktionsreihenfolge für die einzelnen Produktionsaufträge mit minimaler Umrüstzeit, wenn a) der Ausgangszustand der Maschinen für P ausgerichtet ist, b) der Ausgangszustand der Maschinen für P ausgerichtet ist, c) der Ausgangszustand der Maschinen für P und der Endzustand der Maschinen für P ausgerichtet sein soll. Lösen Sie diese Problemstellungen graphentheoretisch. Stellen Sie dazu jeweils einen Graphen dar und führen Sie die Lösung des Problems auf eine graphentheoretische Problemstellung zurück. Welchen Wegetyp bestimmen Sie in dem jeweiligen Graphen? Aufgabe 9: Geben Sie, falls möglich, zu folgendem Digraphen D a) eine offene Eulerlinie, b) eine geschlossene Eulerlinie, c) eine offene Hamiltonlinie, d) eine geschlossene Hamiltonlinie an. Aufgabe 0: Zeichnen Sie jeweils einen Graphen a) der parallele Kanten enthält b) der gemischt ist c) der eine Schlinge enthält d) mit n=, der vollständig ist e) mit m=, der symmetrisch ist f) der einen Zyklus der Länge enthält g) der eine Quelle und Senke enthält, h) mit n=, der einen isolierten Knoten enthält. Operations Research SS von 8

27 Aufgabe : Erzeugen Sie durch Weglassen von möglichst wenigen Kanten einen planaren Graphen: 6 7 Aufgabe : Geben Sie zum Digraphen D der Aufgabe a) die Adjazenzmatrix A(D), b) die Bewertungsmatrix C(D) an. Aufgabe : Gegeben ist ein Graph G = (V,E) von Aufgabe. a) Ist der Graph G planar? Falls ja, so stellen Sie G durch Hinzufügen möglichst weniger Kanten als nicht planaren Graphen dar. b) Wie viele Kanten hat ein vollständiger, ungerichteter Graph G, wenn n die Anzahl der Knoten von G ist? c) Wie viele Pfeile hat ein vollständiger Digraph D, wenn n die Anzahl der Knoten von D ist? Aufgabe : Die Gemeinde G hat die Möglichkeit den Hausmüll direkt zu den Deponien D und D oder über die Umladestationen U und U zu entsorgen. Die dabei entstehenden Transportkosten/Mengeneinheit (TK/ME) sind folgender Tabelle zu entnehmen: U U D D G 8 9 U 6 U 6 a) Die Entsorgungsstruktur mit minimalen Transportkosten ist zu ermitteln. Stellen Sie dazu dieses Problem als Graph dar und führen Sie die Lösung des Problems auf eine graphentheoretische Problemstellung zurück. b) Die Deponierungskosten/ME betragen: D: 0, D:. Die Entsorgungsstruktur mit minimalen Transport- und Deponierungskosten ist zu ermitteln c) Die Umladekosten/ME betragen: U: 6, U:. Die Entsorgungsstruktur mit minimalen Transport-, Deponierungs- und Umladekosten ist zu ermitteln Operations Research SS von 8

28 Aufgabe : Gegeben ist folgende Straßenkreuzung mit Längenangaben (z.b. km oder Fahrzeiten). Stellen Sie jeweils den entsprechenden bewerteten Digraphen dar, der die Fahrtrichtungsvorschriften bei der Bestimmung von kürzesten Wegen zwischen allen möglichen Knotenpaaren berücksichtigt. Folgende Fahrtrichtungsvorschriften sind zu beachten: a) von Süden aus kommend ist ein Linksabbiegen verboten ist. b) zusätzlich zu a): von Osten aus kommend ist ein Linksabbiegen verboten Aufgabe 6: Stellen Sie den Digraphen von Aufgabe in Vektorform, pfeilsortiert (Anfangs- und Endknotennummernvektor) dar und geben Sie den Pfeilnummernvektor PN an. Aufgabe 7: Gegeben ist der Pfeilnummernvektor PN mit den Werten [,,,,6,9], der Endknotennummernvektor END mit den Werten [,,,,,,,] und der Bewertungsvektor C mit den Werten [,,9,,6,,,7]. Stellen Sie den entsprechenden Digraphen dar. Aufgabe 8: Geben Sie zu folgendem Digraph den Pfeilnummernvektor an. Aufgabe 9: Gegeben ist der PN-Vektor [,,,,,7] und der Endknotennummernvektor END [,,,,,]. a) Wie viele Knoten und Pfeile besitzt der Digraph? b) Geben Sie für alle Knoten i (i=,..,n) des Digraphen die Nachfolger an. c) Erstellen Sie den entsprechenden Anfangsknotennummernvektor ANF. d) Sie wollen die Vorgänger eines Knotens i effizient bestimmen. Erstellen Sie dazu den Pfeilnummernvektor PN_V für den Endknotennummernvektor END_V und den entsprechenden Anfangsknotennummernvektor ANF_V. Operations Research SS von 8

29 Aufgabe 0: Gegeben sind folgende Pfeilnummern- und Anfangsknotennummernvektoren. Markieren Sie, falls eine Nichtübereinstimmung auftritt, das entsprechende Element des Anfangsknotennummernvektors a) PN: [,,,,,] ANF: [,,,] b) PN: [,,,,6] ANF: [,,,,,] c) PN: [,,,,6,6] ANF: [,,,,] Aufgabe : a) Gegeben ist der PN-Vektor [,,,,,7] und der Endknotennummernvektor END [,,,,,]. Geben Sie für alle Knoten i (i=,..,n) des Digraphen die Nachfolger an. b) Gegeben ist der PN_V-Vektor [,,,,7,7], der aus dem Endknotennummernvektor END_V entstanden ist, und der entsprechende Anfangsknotennummernvektor ANF_V [,,,,,]. Geben Sie für alle Knoten i (i=,..,n) des Digraphen die Vorgänger an. c) Erstellen Sie zum Digraphen in b) mit dem Algorithmus PN_GEN den Pfeilnummernvektor PN. Aufgabe : Geben Sie jeweils die Anzahl benötigter Speicherelemente bei Speicherung in der Bewertungsmatrix C(D) und bei Speicherung in pfeilorientierter Form mit dem Pfeilnummernvektor PN an für folgende bewertete Graphen a) vollständiger Digraph mit n=0 b) ungerichteter Graph mit n=0 und m= c) Straßennetz mit n=00 Aufgabe : Gegeben: n Personen und Informationen über ihre symmetrischen Sympathiebeziehungen zueinander. Sympathieniveaus sind möglich: - sehr sympathisch - sympathisch - weniger sympathisch - unsympathisch Gesucht: Sitzordnung an einem runden Tisch derart, dass das Sympathieniveau insgesamt maximal wird. Beispiel: n=: A, B, C, D, E die Sympathieniveaus der einzelnen Paare: A B: weniger sympathisch B C: sehr sympathisch A C: sehr sympathisch B D: sympathisch A D: sympathisch B E: weniger sympathisch A E: sympathisch C D: sehr sympathisch D E: weniger sympathisch C E: unsympathisch Operations Research SS von 8

30 Aufgabe : Gegeben: Gesucht: n Personen und Informationen über ihre nicht symmetrischen Sympathiebeziehungen zueinander Sitzordnung an einem runden Tisch derart, dass das Sympathieniveau insgesamt maximal wird. Beispiel: n=: A, B, C, D, E Es gelten folgende Niveaus für die einzelnen Sympathiebeziehungen mit 0: sehr sympathisch : sympathisch : weniger sympathisch 99: unsympathisch A B: B A: C A: D A: E A: 0 A C: 0 B C: C B: 0 D B: 0 E B: A D: B D: C D: 0 D C: 0 E C: A E: B E: C E: 99 D E: E D: Aufgabe : Bei Fertigungsmaschinen werden die jährlichen Betriebskosten mit wachsendem Alter in der Regel höher, bedingt durch höhere Kosten für Wartung und Instandhaltung. Diese Kosten können durch rechtzeitige Ersetzung der Maschine reduziert werden. Bei einer Ersetzung fallen andererseits Beschaffungskosten für eine neue Maschine an. Eine wichtige Aufgabe ist deshalb, den Zeitpunkt der Ersetzung so festzulegen, dass die Gesamtkosten minimal werden. Wir betrachten ein solches Erneuerungsproblem für eine Maschine und einen Planungszeitraum von Jahren. Seien C i die Betriebskosten der Maschine während des i-ten Jahres in Betrieb, B i die Beschaffungskosten für eine neue Maschine zu Beginn des Jahres i und S i der Verkaufswert einer Maschine nach i Jahren Betriebsdauer. Formulieren Sie das Problem, eine optimale Ersetzungspolitik für die Maschine zu bestimmen, als Aufgabe zur Ermittlung eines kürzesten Weges in einem Digraphen. Wie ist die optimale Lösung? Die Kosten für Betrieb und Beschaffung sowie die Erlöse bei Verkauf einer Maschine sind folgender Tabelle zu entnehmen: i-tes Jahr C i B i S i Operations Research SS von 8

31 Aufgabe 6: Gegeben sind Behälter ohne Maßstriche mit folgendem Fassungsvermögen und Ausgangszustand Größe Ausgangszustand großer Behälter: 7 l voll (7 l Wasser) mittlerer Behälter: l leer (0 l) kleiner Behälter: l leer (0 l) a) Ist es möglich, durch Umfüllen vom Ausgangszustand 700 in den Zielzustand (gr. B.:, mittl. B.:, kl. B.: ) zu gelangen? Es ist dabei zu berücksichtigen, dass die Behälter nicht mit Maßstrichen gekennzeichnet sind! b) Die Zustandsveränderung soll durch möglichst wenige Umschüttungen geschehen. c) Die Zustandsveränderung soll durch möglichst wenig Gewichthochheben erreicht werden. Die Gewichte betragen : großer Behälter: kg mittlere Behälter: kg kleiner Behälter: kg Stellen Sie obige Problemstellungen als Graph dar und lösen Sie eine entsprechend geeignete graphentheoretische Problemstellung in Graphen. Aufgabe 7: Die Objekte Fährmann (F), Wolf (W), Ziege (Z) und Kohlkopf (K) wollen einen Fluss überqueren. Das zur Verfügung stehende Boot kann jeweils nur Objekte gleichzeitig transportieren, wobei der Fährmann immer an Bord sein muss, um das Boot zu steuern. Es ist zu beachten, dass bei Abwesenheit vom Fährmann der Wolf die Ziege frisst und die Ziege den Kohlkopf. Dies soll jedoch nicht geschehen. Ist eine Flussüberquerung trotzdem möglich? Erstellen Sie dazu einen entsprechenden Graphen. Welche graphentheoretische Aufgabenstellung müssen Sie in dem Graphen lösen, um festzustellen, ob eine Überfahrt möglich ist? Aufgabe 8: Gegeben ist folgender bewerteter, gemischter Graph G=(V,E,c) Bestimmen Sie in G mit dem Algorithmus von DIJKSTRA a) den kürzesten Weg von Knoten zu allen anderen Knoten, b) den kürzesten Weg von Knoten nach Knoten Operations Research SS von 8

32 Aufgabe 9: Bestimmen Sie mit dem Algorithmus von DIJKSTRA den kürzesten Weg von Knoten zu allen anderen Knoten in folgendem Digraphen D=[V,E,c] 0 - Aufgabe 0: Gegeben sind folgende kw_dist und pre-vektoren für Startknoten a = : kw_dist = [,,,0,,8,,,7] pre = [,,,0,,,9,0,] a) Geben Sie Länge und Verlauf des kürzesten Weges von Knoten zu allen anderen an. b) Geben Sie einen Wurzelbaum mit Wurzel a= an. Aufgabe : Gegeben ist der bewertete, gemischte Graph G = (V,E,c) aus Aufgabe 8 Geben Sie zu G a) die Bewertungsmatrix C(G), b) die Vorgängermatrix P(G) an. Aufgabe : Stellen Sie zu folgender Bewertungsmatrix C(D) die entsprechende Vorgängermatrix P(D) auf Operations Research SS von 8

33 Aufgabe : Nach Durchführung des TRIPEL-Algorithmus erhalten Sie folgendes Ergebnis: Entfernungsmatrix K(D): Vorgängermatrix P(D): Geben Sie Länge und Verlauf des kürzesten Weges von a) -> 7, b) 7 ->, c) 6 -> 7, d) 6 ->, e) ->, f) -> an. Aufgabe : Der folgende Graph zeigt das vereinfachte Verkehrsnetz einer Kleinstadt. Die Knoten entsprechen Straßenkreuzungen, die Pfeile den in Pfeilrichtung zu durchfahrenden Einbahnstraßen und die Kanten den in beiden Richtungen durchfahrbaren Straßen. Die Pfeil- bzw. Kantenbewertungen bedeuten die Länge der betreffenden Straßenverbindungen. Der Graph stellt einen sogenannten (bewerteten) gemischten Graphen dar, der sowohl Pfeile als auch Kanten enthält. Eine Getränkefirma möchte nun an derjenigen Straßenkreuzung ein Auslieferungslager einrichten, von der aus die Summe der Entfernungen zu allen übrigen Kreuzungen minimal ist. Bestimmen Sie den optimalen Standort des Auslieferungslagers und geben Sie die optimalen Auslieferungsrouten zu den übrigen Kreuzungen an. Operations Research SS von 8

34 Aufgabe : Gegeben ist folgender Digraph D=[V,E,c] Bestimmen Sie mit dem Tripel-Algorithmus die kürzesten Wege zwischen allen Knotenpaaren. Aufgabe 6: Gegeben ist folgender Digraph D=[V,E,c] Bestimmen Sie mit dem Algorithmus von Bellmann (Version a) a) den kürzesten Weg von Knoten zu allen anderen Knoten, b) den kürzesten Weg von Knoten 6 zu allen anderen Knoten, c) dem längsten Weg von Knoten zu allen anderen Knoten Operations Research SS von 8

35 Aufgabe 7: Gegeben sind folgende Graphen: a) b) Führen Sie eine topologische Sortierung mit dem TOPSORT-Algorithmus durch. Aufgabe 8: Gegeben ist der Digraph D=[V,E,c] aus Aufgabe Bestimmen Sie mit dem Algorithmus von Bellmann (Version b) a) den kürzesten Weg von Knoten zu allen anderen Knoten, b) den kürzesten Weg von Knoten 6 zu allen anderen Knoten, c) dem längsten Weg von Knoten zu allen anderen Knoten Operations Research SS von 8

36 Aufgabe 9: Zwischen den 8 Orten Adorf, Bdorf,..., Hdorf soll ein Kommunikationsfestnetz aufgebaut werden, d.h. jeder Ort soll mit jedem anderen dieser Orte direkt oder indirekt über einen anderen dieser Orte durch eine Kommunikationsleitung verbunden sein. Die Kosten für den Bau der einzelnen Verbindungsleitungen sind dem folgendem Netz zu entnehmen. Geben Sie die Verbindungsstruktur mit den geringsten Baukosten an. 6 F A B 6 E 6 7 D 6 6 H C G Aufgabe 0: Das Eisenbahn-Streckennetz des Kleinstaates Duropa soll wegen zu hoher Verluste durch Streckenstilllegungen rationalisiert werden. Die Abbildung zeigt das Streckennetz mit der Hauptstadt H und den weiteren Städten A,...,F, wobei an jeder Strecke das Defizit in Tausend Duro pro transportierter (Personen- und Güter-) Mengeneinheit angegeben ist. Ein Wirtschaftsinformatiker wird beauftragt, diejenigen Strecken herauszufinden, die erforderlich sind, um kostenminimal Personen und Güter zwischen der Hauptstadt H und jeder der übrigen Städte A,...,F zu befördern. A E 7 B D H 6 C F Operations Research SS von 8

37 a) Welches reduzierte Streckennetz schlägt der Wirtschaftsinformatiker vor? b) Stellt das reduzierte Streckennetz ein Minimalgerüst in dem ursprünglichen Streckennetz dar? c) Nachträglich stellt sich heraus, dass auf der Strecke C-B nicht ein Verlust, sondern ein Gewinn von 000 Duro erwirtschaftet werden kann, wenn Sie nur eingleisig von C nach B befahren wird. Die erforderliche Alternativrechnung überträgt der Wirtschaftsinformatiker einer Hilfskraft, die mit dem geänderten Wert nochmals den Algorithmus von Dijkstra anwendet. Warum ist der Wirtschaftsinformatiker mit dieser Vorgehensweise nicht einverstanden, und welche Lösung schlägt er vor? Aufgabe : Eine Firma plant die Entwicklung und Herstellung der ersten Serie eines neuen Micro- Kasettengerätes. Die Vorgangsliste dieses Projektes lautet: Vorgangsnummer Vorgang unmittelbar vorangehende Vorgänge Vorgangsdauer (in Wochen) Entscheidung Geschäftsleitung - Entwurfsübersicht Patentuntersuchung Marktuntersuchung Detailkonstruktion, 6 Stücklistenerstellung 7 Kalkulation 6 8 Materialbeschaffung 6 9 Versuchsaufbau 0 Musteranfertigung 8 Versuchsdurchführung 9, 0 Arbeitsvorbereitung 6, Einzelteilfertigung 7, 8, Einzelteilmontage Endmontage 6 Kontrolle 7 Abnahme 6 8 Werbungsvorbereitung, 9 Werbekampagne 0, Versand 7 Erfahrungsauswertung 9, 0 Operations Research SS von 8

38 Das Projekt soll laut Vorgabe der Geschäftsleitung nach 6 Wochen beendet sein. a) Konstruieren Sie einen CPM-Netzplan. b) Bestimmen Sie die kürzeste Projektdauer und die frühest (spätest) möglichen Zeitpunkte für den Eintritt aller Ereignisse FZ i (SZ i) sowie alle kritischen Vorgänge und Gesamtpufferzeiten GP ij. Aufgabe : Für die Herstellung eines Motorprüfstandes sind folgende Teilprojekte mit ihren Vorgängen und Anordnungsbeziehungen vorgesehen: Zeichenerklärung: A: Administration; M: Mechanische Werkstatt, S: Schweißerei, V: Versuchsabteilung Teilprojekt Vorgang Vorgangsdauer (in Wochen) Planung A 0 Bestellung und Lieferzeit A Gestell M M 8 S M 6 Aufsatz S S S Messgehäuse G 7 G M M9 Schwungrad G 8 M8 Hydraulik M 6 M6 M7 8 Montage V 7 V V 9 unmittelbar vorangehende Vorgänge A M, M M, S M, S M, M S M,S A G G, S M, S G G A M M6, S, A M8, M9 M7 M, V, V a) Konstruieren Sie einen CPM-Netzplan. b) Bestimmen Sie die kürzeste Projektdauer und die frühest (spätest) möglichen Zeitpunkte für den Eintritt aller Ereignisse FZ i (SZ i) sowie alle kritischen Vorgänge und Gesamtpufferzeiten GP ij. Operations Research SS von 8

39 Aufgabe : Der I. Bauabschnitt eines Bauprojektes besteht aus folgenden Teilprojekten und Anordnungsbeziehungen: Teilprojekt Vorgang Vorgangsdauer unmittelbar vorangehende Vorgänge Fundamente errichten A --- Kanalisationsanschluß herstellen B Wände hochziehen C A Elektrischen Hauptanschluß herstellen D 0 A Fenster einsetzen E 7 B, C Dachdecke herstellen F B, C, D Türen einsetzen G 0 B, C Dach abdichten H F a) Konstruieren Sie einen CPM-Netzplan mit einer minimalen Anzahl von Scheinvorgängen b) Bestimmen Sie die kürzeste Projektdauer und die frühest (spätest) möglichen Zeitpunkte für den Eintritt aller Ereignisse FZ i (SZ i) sowie alle kritischen Vorgänge und Gesamtpufferzeiten GP ij. Aufgabe : Gegeben ist folgender Kapazitätendigraph D=[V,E,u,o]: 0/6 6 0/9 / / 0/ / / 0/ /6 a) Geben Sie mehrere Flüsse ϕ mit der Flussquelle und der Flusssenke an. b) Geben Sie mehrere zulässige Flüsse ϕ mit der Flussquelle und der Flusssenke c) Geben Sie mehrere zulässige Flüsse ϕ mit der Flussquelle und der Flusssenke an. d) Geben Sie alle maximalen Flüsse ϕ* mit der Flussquelle und der Flusssenke an. e) Geben Sie alle maximalen Flüsse ϕ* mit der Flussquelle und der Flusssenke an. Geben Sie, falls möglich, auch die entsprechenden Flussgrößen an. Operations Research SS von 8

40 Aufgabe : Bstadt (Knoten B) wird durch die beiden Wasserspeicher W und W mit Wasser versorgt. Das Wasser gelangt durch das in der folgenden Abbildung gegebene Netzwerk von den beiden Wasserspeichern nach Bstadt. P,...,P bezeichnen die Pumpstationen. Die an den Pfeilen angegebenen Größen geben die maximale Wassermenge pro Zeiteinheit an, die aufgrund des jeweiligen Rohrdurchmessers, des Gefälles und der installierten Pumpenkapazität gegeben ist. W 8 P P P P B 6 W 9 P a) Wie groß kann der Wasserverbrauch in Bstadt maximal sein? b) Durch ein Erdbeben werden die Leitungen zwischen den Pumpstationen P und P sowie zwischen P und P zerstört. Um wie viel verringert sich der maximal mögliche Wasserverbrauch in Bstadt? c) Welche der beiden zerstörten Wasserleitungen sollte zuerst repariert werden, wenn die größtmögliche Steigerung des Wasserangebots in Bstadt das Ziel ist? Stellen Sie dazu jeweils den entsprechenden Kapazitätendigraphen dar. Aufgabe 6: Gegeben ist folgender bewerteter Kapazitätendigraph D = [V,E,u,o,c]: 0/6/ 6 0/9/ // // 0// // //- 0//- /6/ a) Geben Sie mehrere Zirkulationsflüsse in D an. b) Geben Sie mehrere zulässige Zirkulationsflüsse in D an. c) Geben Sie den kostenminimalen Fluss in D an. Operations Research SS von 8

41 Aufgabe 7: Gegeben sind folgende Kapazitätendigraphen mit den Angaben der Minimal- und Maximalkapazitäten u/o und den zulässigen Ausgangsflüssen ϕ[i,j] an den Pfeilen. Bestimmen Sie in den Fällen a) und b) jeweils algorithmisch den maximalen Fluss von der Flussquelle fq= zur Flusssenke fs=6 mit dem Algorithmus von FORD und FULKERSON. Geben Sie dabei die Markierung an den Knoten an, falls Sie einen Knoten markiert haben. Die Entwicklung der Markierungen soll nachvollziehbar sein a) 0/6 0 0/ 0 0/6 0 0/ 0 0/7 0 0/ 0 0 0/8 0 0/ 6 b) 0/ 0 0/6 0/ 0/6 0/ 0 0/7 0 0/ 0 0/8 0 0/ 6 0/ Operations Research SS von 8

42 Aufgabe 8: Gegeben ist folgender bewerteter Kapazitätendigraph D = [V,E,u,o,c] (-- steht für unendlich): 0// // //- // // //- 0// 0/--/0 /6/- a) Geben Sie einen zulässigen Zirkulationsfluss in D an. b) Geben Sie den kostenminimalen Fluss in D an. Aufgabe 9: Eine AG besitzt Zementfabriken und Betonwerke an unterschiedlichen Standorten. In den Betonwerken X, Y, Z werden 8 bzw. 7 und Fahrzeugladungen Zement benötigt. In den Zementfabriken A, B, C, D und E stehen 0 bzw., 8, 7, 0 Fahrzeugladungen Zement zur Verfügung. Die Transportkosten pro Fahrzeugladung zwischen den Zementfabriken und den Betonwerken sind folgender Tabelle zu entnehmen: A B C D E X Y Z 6 0 a) Wie sieht der kostenminimale Transportplan aus? b) Wie verändert sich der kostenminimale Transportplan, wenn aufgrund von stoffspezifischen Gegebenheiten in Z von D kein Zement angenommen werden kann, und mindestens die Hälfte der in Betonwerk X benötigten Zementmenge aus demzementwerk C geliefert werden muss? c) Wie verändert sich der kostenminimale Transportplan, wenn in Zementwerk C Fahrzeugladungen zur Verfügung stehen? Stellen Sie zu diesen Problemen jeweils einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. Aufgabe 0: Für die Ausführung von Tätigkeiten stehen Maschinen zur Verfügung. Die Kosten, die bei der Bearbeitung der Tätigkeiten durch die Maschinen entstehen, sind folgender Tabelle zu entnehmen: M M M M M T 9 7 T T 6 T 7 T 9 Operations Research SS von 8

43 Jede Tätigkeit ist genau einer Maschine zuzuordnen und zwar derart, dass die Gesamtkosten minimal sind. Stellen Sie zu diesem Problem einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. Aufgabe : Eine Verkehrsgesellschaft unterhält einen regelmäßigen Verkehr zwischen Stuttgart und Hamburg mit folgendem Fahrplan: Abfahrt S Fahrt-Nr. Ankunft HH Abfahrt HH Fahrt-Nr. Ankunft S Die Gesellschaft verfügt über Mannschaften, und sie möchte wissen, wo sie diese unterbringen, und für welche Fahrten sie diese einsetzen soll, damit der Aufenthalt außerhalb ihres Wohnsitze (S oder HH) unter Einhaltung der Fahrplanzeiten minimal wird. Es ist zu berücksichtigen, dass von jeder Mannschaft nach einer Fahrt eine Pause von Stunden einzuhalten ist. Jedoch darf die Wartezeit bis zur nächsten Fahrt Stunden nicht überschreiten. Stellen Sie zu diesem Problem einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. Aufgabe : Eine Firma produziert in aufeinanderfolgenden Perioden ein Stückgut. Pro Zeitperiode müssen mindestens Produktionseinheiten (PE) hergestellt werden, um eine Mindestauslastung der Betriebsmittel zu sichern. Die Produktionskosten pro PE in der Periode t betragen a(t) Geldeinheiten (GE). Werden mehr als Einheiten produziert, so entstehen Zusatzkosten in Höhe von b(t) GE/PE. Es können maximal q(t) PE in der Periode t produziert werden. Eine produzierte jedoch nicht absetzbare Menge kann bis zur nächsten Periode gelagert werden, wobei Lagerkosten von l(t) GE anfallen. Die Lagerkapazität beträgt für alle Perioden PE. Die Nachfrage beträgt d(t) PE, die Verkaufserlöse betragen g(t) GE. Die einzelnen Angaben sind folgender Tabelle zu entnehmen: Periode a(t) b(t) q(t) l(t) d(t) g(t) a) Stellen Sie einen gewinnmaximalen Produktionsplan auf. b) Stellen Sie einen kostenminimalen Produktionsplan auf, der genau Einheiten produziert. Stellen Sie zu diesen Problemen jeweils einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. Operations Research SS von 8

44 Aufgabe : Auf Güterbahnhöfen (A,...,A) stehen insgesamt 9 Güterwagen des gleichen Typs, die für einen weiteren Einsatz auf anderen Güterbahnhöfen (B,...,B) benötigt werden. Es steht auf den Bahnhöfen A bis A folgende Anzahl an Güterwagen bereit, bzw. der Bedarf der anderen Güterbahnhöfe B bis B beträgt: A: B: A: 6 B: A: B: 7 A: B: A: B:. Die Entfernungen zwischen den betreffenden Bahnhöfen sind folgender Tabelle zu entnehmen: B B B B B A A 0 A A 8 7 A 6 6 Es ist der kostenminimale Transportplan aufzustellen. Dabei ist zu berücksichtigen, dass die Transportkosten zu den angegebenen Entfernungen proportional sind. a) Stellen Sie zu diesem Problem einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. b) Geben Sie eine möglichst gute Lösung an. Tragen Sie die Anzahl der zu transportierenden Güterwagen von Ai nach Bi in das entsprechende Element der folgenden Matrix ein (leer = kein Transport) und geben Sie die entsprechenden Gesamttransportkosten an. A A A A A B B B B B Aufgabe : Ein Unternehmen stellt nur ein Produkt her, das jedoch auf verschiedenen Maschinengruppen hergestellt werden kann. Es sind 6 Aufträge so auf Maschinengruppen zu verteilen, dass ein maximaler Ertrag erreicht wird. Die verfügbaren Kapazitäten für die Maschinengruppen I, II, III, IV sind 0, 80, 80 bzw. 0 Stunden. Die notwendigen Herstellungsstunden für die Aufträge,...,6 betragen 0, 0, 70, 60, 0 bzw. 00 Stunden. Der Ertrag je Stunde ist folgender Tabelle zu entnehmen: Operations Research SS von 8

45 Maschinen- Auftrag Gruppe 6 I 8 7 II 6 9 III 0 6 IV Stellen Sie zu diesem Problem einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. Aufgabe : Gegeben ist folgender Digraph D: Stellen Sie zu den folgenden Problemen jeweils einen bewerteten Kapazitätendigraphen auf, in dem der kostenminimale Fluss die Lösung des Problems darstellt. a) Bestimmen Sie Länge und Verlauf des kürzesten Weges in D ) von Knoten nach Knoten 6 ) von Knoten 6 nach Knoten b) Bestimmen Sie in D den maximalen Fluss von der Flussquelle zur Flusssenke 6. Die Bewertungen im Digraphen D geben jeweils die Maximalkapazität o(e) an. Die Minimalkapazität u(e) ist dabei jeweils 0 für alle Pfeile. c) Von der Flussquelle 6 sollen genau Einheiten zur Flusssenke kostenminimal fließen. Die Bewertungen von D geben jeweils die Kosten pro Flusseinheit an. Die Minimalkapazität u(e) soll jeweils 0 und die Maximalkapazität o(e) jeweils für alle Pfeile betragen. Operations Research SS von 8

46 . BEIBLÄTTER Digraph D 6 Digraph D -6 Graph G Graph G Operations Research SS von 8

47 Rundreise (knotenorientiert) Rundreise (kantenorientiert) Operations Research SS von 8

48 Das Haus vom Nikolaus Die Kirche vom Nikolaus Probleme: können diese Formen gezeichnet werden, ohne den Zeichenstift während der Zeichnung abzuheben und ohne eine Linie mehrfach zu zeichnen, wenn a) bei ein und demselben Punkt das Zeichnen begonnen und beendet wird? b) bei verschiedenen Punkten das Zeichnen begonnen und beendet wird? Graphentheoretisch: a) Existiert eine Rundreise derart, dass jede Kante genau einmal benutzt wird (Start- und Endpunkt des Weges sind identisch)? b) Existiert ein Weg derart, dass jede Kante genau einmal benutzt wird (Startund Endpunkt des Weges sind nicht identisch)? Operations Research SS von 8

MATHEMATIK II. Studiengang Wirtschaftsinformatik Prof. Dr. Heinrich Paessens 2. Semester SS 2006

MATHEMATIK II. Studiengang Wirtschaftsinformatik Prof. Dr. Heinrich Paessens 2. Semester SS 2006 MATHEMATIK II Studiengang Wirtschaftsinformatik Prof. Dr. Heinrich Paessens. Semester SS 006. GRAPHENTHEORIE - Definitionen zur Graphentheorie - Darstellung von Problemen durch Graphen - Speicherung von

Mehr

Quantitative Entscheidungsmethoden Teil 1 Prof. Dr. Heinrich Paessens. Studiengang Business Management (Master) 1. Semester WS 2009/10

Quantitative Entscheidungsmethoden Teil 1 Prof. Dr. Heinrich Paessens. Studiengang Business Management (Master) 1. Semester WS 2009/10 Quantitative Entscheidungsmethoden Teil 1 Prof. Dr. Heinrich Paessens Studiengang Business Management (Master) 1. Semester WS 2009/10 1. Durchführung eines Planungsprozesses. 3 2. Graphentheoretische Grundlagen..

Mehr

Graphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke

Graphentheorie 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

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 10.7.2008 A Name, Vorname Matr. Nr. Aufgabe 1 : In drei Porzellanwerken W 1, W 2 und W 3 werden Speiseservice hergestellt,

Mehr

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1 Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

6. Übung zur Linearen Optimierung SS08

6. 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

Mehr

Graphen. Definitionen

Graphen. 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

Mehr

Einheit 11 - Graphen

Einheit 11 - Graphen Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 12.0.201 A Name, Vorname Matr. Nr. Aufgabe 1 2 6 gesamt erreichbare P. 1 () 1 1 0+ erreichte P. Bemerkungen:

Mehr

Kürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring

Kürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I 9. Präsenzaufgabenblatt, WiSe 2013/14 Übungstunden am 13.01. & 15.01.2014 Aufgabe Q Gegeben sei ein Fluss-Netzwerk mit Digraph D = (V, A), Knotenkapazitäten c(u, v) 0, Quelle s und Senke t. Kann sich der

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research,.0.0 B Name, Vorname Matr. Nr. Aufgabe gesamt erreichbare P. () 0+ erreichte P. Bemerkungen: Die angewendeten

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen

5 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

Mehr

Teil 2: Graphenalgorithmen

Teil 2: Graphenalgorithmen Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Problemstellung Ungewichtete Graphen Distanzgraphen Gewichtete

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 A Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

Prüfungsklausur Operations Research,

Prüfungsklausur Operations Research, HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Prüfungsklausur Operations Research, 20..206 B Name, Vorname Matr. Nr. Aufgabe 2 3a 3b 4 5 6 gesamt erreichbare P. 2+(5) 2+(4) 5 8 4 65+(9) erreichte

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität

Mehr

Minimal spannender Baum

Minimal spannender Baum Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

GRAPHENTHEORIE. Grundlagen für Routen- und Tourenplanung. Algorithmen Implementierungen - Anwendungen

GRAPHENTHEORIE. Grundlagen für Routen- und Tourenplanung. Algorithmen Implementierungen - Anwendungen GRAPHENTHEORIE Grundlagen für Routen- und Tourenplanung Algorithmen Implementierungen - Anwendungen Prof. Dr. Heinrich Paessens Fachhochschule Flensburg IUT Strasbourg Sud 1. Grundlagen 1.1 Graphen-Definitionen

Mehr

Vorlesungstermin 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 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

Mehr

3.6 Branch-and-Bound-Verfahren

3.6 Branch-and-Bound-Verfahren 36 Branch-and-Bound-Verfahren Die Branch-and-Bound -Methode beruht darauf, auf eine intelligente Weise alle zulässigen Lösungen eines kombinatorischen Optimierungsproblems aufzulisten und mit Hilfe von

Mehr

Graphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:

Graphen 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

Mehr

Bipartite Graphen. Beispiele

Bipartite Graphen. Beispiele Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon

Mehr

Relationen und Graphentheorie

Relationen und Graphentheorie Seite Graphentheorie- Relationen und Graphentheorie Grundbegriffe. Relationen- und Graphentheorie gehören zu den wichtigsten Hilfsmitteln der Informatik, die aus der diskretenmathematik stammen. Ein Graph

Mehr

Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.

Seien 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

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,

Mehr

5. Bäume und Minimalgerüste

5. 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

Mehr

Aufgaben zur Klausurvorbereitung

Aufgaben zur Klausurvorbereitung Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014

Mehr

Datenstrukturen und Algorithmen (SS 2013)

Datenstrukturen und Algorithmen (SS 2013) Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes

Mehr

Netzwerkoptimierung. Transport von m Startknoten direkt zu n Zielknoten Transport von m Startknoten über Umladeknoten zu n Zielknoten

Netzwerkoptimierung. Transport von m Startknoten direkt zu n Zielknoten Transport von m Startknoten über Umladeknoten zu n Zielknoten Netzwerkoptimierung beinhaltet Planungsprobleme, die mittels Netzwerken abgebildet werden können. Häufig handelt es sich dabei um (ganzzahlige) lineare Optimierungsprobleme mit einer speziellen Struktur:

Mehr

Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert?

Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Graphentheorie Gibt es in Königsberg einen Spaziergang, bei dem man jede der sieben Pregelbrücken genau einmal überquert? Königsberger Brückenproblem Gibt es in Königsberg einen Spaziergang, bei dem man

Mehr

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2) Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).

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

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)

Diskrete 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

Mehr

Graphen. Leonhard Euler ( )

Graphen. Leonhard Euler ( ) Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),

Mehr

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Definition 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.

Mehr

Bemerkung: Der vollständige Graph K n hat n(n 1)

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

Mehr

1 Beispiele für Graphen

1 Beispiele für Graphen Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem

Mehr

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des

Mehr

Algorithmen und Datenstrukturen 2-1. Seminar -

Algorithmen und Datenstrukturen 2-1. Seminar - Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8

Mehr

Einführung in Operations Research

Einführung in Operations Research Wolfgang Domschke Andreas Drexl Einführung in Operations Research Dritte, verbesserte und erweiterte Auflage Mit 79 Abbildungen und 58 Tabellen Springer Votwort Symbolverzeichnis V XIII Kapitel 1: Einführung

Mehr

Graphen. Graphen und ihre Darstellungen

Graphen. 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

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 11 FS 14

Datenstrukturen & Algorithmen Lösungen zu Blatt 11 FS 14 Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 14. Mai

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 13: Flüsse und Zuordnungen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 9. Juni 2017 DURCHSATZ D(e) ist die maximale Flussmenge,

Mehr

3. Die Datenstruktur Graph

3. Die Datenstruktur Graph 3. Die Datenstruktur Graph 3.1 Einleitung: Das Königsberger Brückenproblem Das Königsberger Brückenproblem ist eine mathematische Fragestellung des frühen 18. Jahrhunderts, die anhand von sieben Brücken

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 3 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität

Mehr

Lernmodul 7 Algorithmus von Dijkstra

Lernmodul 7 Algorithmus von Dijkstra Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer

Mehr

Graphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007

Graphentheorie. 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

Mehr

Programmiertechnik II

Programmiertechnik II Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind

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

1 Pfade in azyklischen Graphen

1 Pfade in azyklischen Graphen Praktikum Algorithmen-Entwurf (Teil 5) 17.11.2008 1 1 Pfade in azyklischen Graphen Sei wieder ein gerichteter Graph mit Kantengewichten gegeben, der diesmal aber keine Kreise enthält, also azyklisch ist.

Mehr

OPTIMALE ROUTENPLANUNG - MÜLLABFUHR -

OPTIMALE ROUTENPLANUNG - MÜLLABFUHR - OPTIMALE ROUTENPLANUNG - MÜLLABFUHR - https://functionalptcenter.com/indecision-leads-poorperformance/ Sarina Zens HS Mathematische Modellierung WS 2018/19 Dozentin: Prof. Dr. Mária Lukácová-Medvidová

Mehr

Programmiertechnik II

Programmiertechnik II Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind

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

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

Anhang: Ungarische Methode

Anhang: Ungarische Methode Ungarische Methode 107 Anhang: Ungarische Methode Zum Schluss des Kurses soll noch der Algorithmus der Ungarischen Methode beschrieben werden. Wir lehnen uns hierbei eng an der Darstellung von DOMSCHKE

Mehr

Graphen: Darstellungen, Isomorphie, Knotenfärbung

Graphen: Darstellungen, Isomorphie, Knotenfärbung TH Mittelhessen, Sommersemester 0 Lösungen zu Übungsblatt 0 Fachbereich MNI, Diskrete Mathematik./. Juli 0 Prof. Dr. Hans-Rudolf Metz Graphen: Darstellungen, Isomorphie, Knotenfärbung Aufgabe. Zeichnen

Mehr

Lösungen zu Kapitel 5

Lösungen zu Kapitel 5 Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V

Mehr

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik

Algorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine

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

Isomorphie von Bäumen

Isomorphie von Bäumen Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................

Mehr

EDM, Algorithmen und Graphenspeicherung

EDM, Algorithmen und Graphenspeicherung EDM, Algorithmen und Graphenspeicherung 1 Graphenspeicherung Gespeichert werden soll ein Graph G = (V, E) bzw. Digraph D = (V, A). Man beachte: E ( ) V 2 bzw. E V 2 1.1 Adjazenzmatrix Graph G: A = (a vw

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

= 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)

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Graphen (2) Spannbäume Kürzeste Wege Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 455 Wiederholung Traversierung eines Graphen via Tiefendurchlaufs

Mehr

f h c 7 a 1 b 1 g 2 2 d

f h c 7 a 1 b 1 g 2 2 d ) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Diskrete 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

Mehr

Routing A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung

Routing 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

Mehr

Problemlösen in grafischen Strukturen

Problemlösen in grafischen Strukturen Problemlösen in grafischen Strukturen Modul 31801 - Zusammenfassung Version vom 01.04.2019 Fernstudium Guide - Problemlösen in graphischen Strukturen - Seite 1 Impressum Herausgeber: FSGU AKADEMIE - Ein

Mehr

Graphen und Bäume. A.1 Graphen

Graphen und Bäume. A.1 Graphen Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt

Mehr

Sortierverfahren. Laufzeitkomplexität. exponentiell

Sortierverfahren. Laufzeitkomplexität. exponentiell Sortierverfahren Quick-Sort -gutes Laufzeitverhalten n log( n) -rekursive(absteigende) Struktur - median Suchen ungefähr mittlerer Wert -alle Elemente die kleiner sind als Median werden links von Median

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

11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME

11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen 11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen - Ma5hias Thimm (thimm@uni-koblenz.de) 1 Algorithmen und Datenstrukturen 11.1. BERECHNUNG MAXIMALER FLÜSSE

Mehr

Logistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage

Logistik: Transport. Grundlagen, lineare Transport- und Umladeprobleme. von Prof. Dr. Wolfgang Domschke. TU Darmstadt. 5.,.überarbeitete Auflage Logistik: Transport Grundlagen, lineare Transport- und Umladeprobleme von Prof. Dr. Wolfgang Domschke TU Darmstadt 5.,.überarbeitete Auflage R. Oldenböurg Verlag München Wien Inhaltsverzeichnis Vorwort

Mehr

Übersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen

Übersicht. 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

Mehr

Graphenalgorithmen I

Graphenalgorithmen I Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket

Mehr

Graphen Jiri Spale, Algorithmen und Datenstrukturen - Graphen 1

Graphen Jiri Spale, Algorithmen und Datenstrukturen - Graphen 1 Graphen 27 Jiri Spale, Algorithmen und Datenstrukturen - Graphen Motivation Einsatz: Berechnung von Entfernungen Auffinden von Zyklen in Beziehungen Ermittlung von Verbindungen Zeitmanagement Konzept:

Mehr

Einführung in Operations Research

Einführung in Operations Research Wolfgang Domschke Andreas Drexl Einführung in Operations Research Achte Auflage fyj Springer Inhaltsverzeichnis Vorwort Symbolverzeichnis V XIII Kapitel 1: Einführung 1 1.1 Begriff des Operations Research

Mehr

Grundbegriffe der Informatik Tutorium 8

Grundbegriffe der Informatik Tutorium 8 Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum

Mehr

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten Graphentheorie Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten gerichteter Graph (DiGraph (directed graph) E: Teilmenge E

Mehr

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 15 P Hinweise: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht

Mehr

Algorithmen & Komplexität

Algorithmen & Komplexität Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg

Mehr

Übungen zu Rechnerkommunikation

Übungen zu Rechnerkommunikation Übungen zu Rechnerkommunikation Wintersemester 00/0 Übung 6 Mykola Protsenko, Jürgen Eckert PD. Dr.-Ing. Falko Dressler Friedrich-Alexander d Universität Erlangen-Nürnberg Informatik 7 (Rechnernetze und

Mehr

Ecken des Zuordnungsproblems

Ecken des Zuordnungsproblems Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.

Mehr

Gliederung. Kurseinheit 1»Grundlagen der Graphentheorie« Inhaltsübersicht Grundbegriffe

Gliederung. Kurseinheit 1»Grundlagen der Graphentheorie« Inhaltsübersicht Grundbegriffe Inhaltsübersicht 1 Gliederung Kurseinheit 1»Grundlagen der Graphentheorie«1. Grundbegriffe 1.1. Praktische Probleme, die auf Graphen und Netzwerke führen 1.. Grundlegende Definitionen 1.. Kantenfolgen

Mehr

Graphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S

Graphentheorie. 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

Mehr

Vorlesung Datenstrukturen

Vorlesung 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:

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /

Mehr

ADS 2: Algorithmen und Datenstrukturen

ADS 2: Algorithmen und Datenstrukturen ADS 2: Algorithmen und Datenstrukturen Teil I Prof. Peter F. Stadler & Sebastian Will Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität Leipzig 9. April

Mehr