ma orrsc e, I rerun er e en
|
|
- Klemens Esser
- vor 7 Jahren
- Abrufe
Transkript
1 Stephan Hußmann (Hrsg.) o ma orrsc e, I rerun er e en In Studium und Unterricht vieweg
2 42 - ein Geleitwort von Peter Gritzmann Xl Vorwort Xll1 1 Optimal zum Ziel: Das Kürzeste-Wege-Problem 1 1 U-Bahn-Fahrten, Schulwege und die Reise von Datenpaketen.. 1 Problem 1 - U-Bahn fahren Problem 2 - Den Schulweg oder den Weg zur Arbeit optimieren 2 Problem 3 - Datenpakete verschicken Die Qual der Wahl: Was soll optimiert werden? Alle Möglichkeiten probieren: Enumeration Graphen und Graphenisomorphie Graphen und Wege Das Graphenlabor Graphenisomorphie Matrizen Die Breitensuche Erste Ideen für einen»weg-mit-minimaler-anzahl-von-kanten- Algorithmus« Die Froschperspektive und die Lochblende Formulierung der Breitensuche Blättertausch und Rollenspiel: Überprüfen der Formulierung 24 6 Der Algorithmus von Dijkstra Gewichtete Graphen Den Algorithmus von Dijkstra nacherfinden Mehr über optimale Wege
3 VI 8 Vertiefung: Korrektheitsbeweise Korrektheitsbeweis für die Breitensuche Korrektheitsbeweis für den Algorithmus von Dijkstra Günstig verbunden: Minimale aufspannende Bäume 39 1 Leitungsnetze planen, Straßen erneuern und Computer verkabeln 39 Problem 1 - Leitungen erneuern Problem 2 - Straßenbeläge kostengünstig verbessern Problem 3 - Telefonleitungen mieten Problem 4 - Computernetzwerke verkabeln Das Problem modellieren Bäume Eindeutigkeit der Wege Die Anzahl der Baumkanten Die Anzahl der aufspannenden Bäume Die Tiefensuche Der Algorithmus Korrektheitsbeweis Das Daumenkino und noch einmal die Lochblende Exkurs: Ariadne - die erste Informatikerin Enge Verwandte: Tiefensuche und Breitensuche 60 5 Die Algorithmen von Kruskal und Prim Kosten kommen ins Spiel 62 Zwei»gierige«Vorgehensweisen Steinerbäume Vertiefung: Korrektheitsbeweise für die Algorithmen von Kruskal und Prim , 66 3 Mathematik für die Müllabfuhr: Das chinesische Postbotenproblem 69 1 Tourenplanung für Müllabfuhr, Postzustellung und Museen Problem 1 - Müllabfuhr optimieren Problem 2 - Das chinesische Postbotenproblem 70 Problem 3 - Ein Museum planen 71
4 ' va 2 Modellierung durch Graphen 71 Welche Informationen werden zur Lösung der Aufgabe b enötigt:.. ' ( Wie genau soll das Modell werden? Das chinesische Postbotenproblem Eulergraphen und Eulertouren Die Müllabfuhr, die Königsberger Brücken und Leonhard Euler 77 Algorithmen für Eulertouren 79 Figuren in einem Zug zeichnen 84 5 Knotengrade 84 Die Anzahl der ungeraden Knoten Ein weiterer Beweis für die Anzahl der Blätter im Baum Mehr über Knotengrade Matchings: Was die Müllabfuhr mit Partnerwahl zu tun hat Die Lösung für Müllautos und andere Anwendungen Thema mit Variationen: Andere Postbotenprobleme 93 4 Martin Grötschel Schnelle Rundreisen: Das Travelling-Salesman-Problem 95 1 Problem 1 - Städtereisen Die Modellierung als Graph Problem 2 - Das Bohren von Leiterplatten Löcher bohren: Die Zielfunktion Der Ursprung des Travelling-Salesman-Problems Lösungsmethoden 108 Exakte Algorithmen: Enumeration 109 Exakte Algorithmen: Ganzzahlige Programmierung 111 Greedy-Algorithmen Approximationsalgorithmen für das STSP 118 Verbesserungsverfahren Vertiefung Die Nichtapproximierbarkeit des TSP Zufall und das TSP Lösungen und Literaturhinweise
5 V11l 5 Timo Leuders Wenn es Mathematikern zu bunt wird: Färbeprobleme 1 Landkarten, Fische, Handys und Botschafter Problem 1 - Landkartenfärbung Problem 2 - Fischgesellschaften Problem 3 - Handynetze Problem 4 - Diplomatenkarussell Wie passt das alles zusammen? Ideen, Begriffe und Zusammenhänge. Graphen als Modelle Ein kleiner Abstecher oder:»da bist du platt« Reichen vier Farben denn nun immer? Plättbarkeit und Färbbarkeit Wie sieht es aber nun mit 4 Farben aus? Wie knackt man die Färbungsprobleme praktisch?. Fingerübungen Jetzt wird es handgreiflicher: Färbealgorithmen Von der Heuristik zum Algorithmus Vorwä d nich,» orwarts, un lllc t vergessen.«. Wie aus einem Beweis ein Algorithmus wird Stephan Hußmann Mit Mathematik spielend gewinnen: Kombinatorische Spiele Mit Mathematik spielend gewinnen Spiel 1 - Bridg-It Spiel 2 - Shannon-Switching-Game Spiel 3 - Trianguli Spiel 4 - Hex Spiele mit mathematischer Strategie gewinnen 174 Bridg-It - Zugänge zur Graphentheorie Kann das Spiel jemals unentschieden enden? Wie kann eine geeignete Gewinnstrategie aussehen? Wer beginnt, der gewinnt Shannon-Switching-Game Trianguli Hex
6 IX 7 Stephan Hußmann Wer passt zu wem? Matchings Jobs und Tanzkurse - immer eine Frage der richtigen Zuordnung Problem 1 - Jobverteilung Problem 2 - Tanzkurs Eine Entdeckungsreise durch die Welt der Matchings Aufwelcher Seite stehst du? - Zweigeteilte Graphen Stellen und Bewerber J. I'" etzt emma gieng Perfekt matchen Gute Nachbarschaftsverhältnisse Jetzt wird geheiratet Immer abwechselnd Knoten statt Kanten Eine Decke voller Knoten. Ein kurzer Ausblick: Matchings aufgewichteten Graphen Stephan Hußmann Wie viel passt noch in die Leitung? Flüsse und Netzwerke Von Flüssen und Gewinnchancen. 233 Problem 1 - Energietransport Problem 2 - Handballmeisterschaft Wie viel Wasser passt in den Fluss? Viele Wege führen zum Ziel Fluss und Kapazität Welche Wege gibt es überhaupt? Von verschiedenen Standorten aufdas Problem schauen Alltagserfahrungen nutzbar machen Netzwerkschnitte Vorwärts oder Rückwärts. Wie lässt sich ein Fluss maximieren? Kleinster Schnitt trifft größten Fluss Auf der Suche nach einem Algorithmus Wer wird erster? Spiele und Mannschaften
7 x 9 Martin Grötschel Das Problem mit der Komplexität: P = NP? Andreas Brieden und Peter Gritzmann Von Ackerbau und polytopalen Halbnormen: Diskrete Optimierung für die Landwirtschaft Problem - Flurbereinigung Lösung durch computergestütze Enumeration? Modellierung Die Nebenbedingungen Geometrischlzahlentheoretische Interpretation der zulässigen Menge 283 Wahl der Zielfunktion Abstandsmessung 288 Abstandsmaximierung Polytopale Halbnormen Zusammenfassung des Algorithmus Umsetzung in der Praxis Optimierungsvorschlag 300 Postoptimierung vor Ort Fazit Literatur 305 Index 309
Inhalt. 42 ein Geleitwort von Peter Gritzmann xi. Vorwort zur ergänzten Neuauflage
Inhalt 42 ein Geleitwort von Peter Gritzmann xi Vorwort Vorwort zur ergänzten Neuauflage xiii xvii 1 Brigitte Lutz-Westphal Optimal zum Ziel: Das Kürzeste-Wege-Problem 1 1 U-Bahn-Fahrten, Schulwege und
MehrStephan Hußmann Brigitte Lutz-Westphal (Hrsg.) Kombinatorische Optimierung erleben
Stephan Hußmann Brigitte Lutz-Westphal (Hrsg.) Kombinatorische Optimierung erleben Aus dem Programm Mathematik für das Lehramt Algorithmik für Einsteiger von Armin P. Barth Zahlentheorie für Einsteiger
MehrFreie Universität Berlin. Diskrete Mathematik. Ralf Borndörfer, Stephan Schwartz. Freie Universität. 08. April 2013
Diskrete Mathematik Ralf Borndörfer, Stephan Schwartz 08. April 2013 FUB VL Diskrete Mathematik SS 2013 1 Leonhard Euler (1707-1783) e i sin cos f(x) FUB VL Diskrete Mathematik SS 2013 2 Das Königsberger
MehrAndre Krischke. Helge Röpcke. Graphen und. Netzwerktheorie. Grundlagen - Methoden - Anwendungen. Mit 137 Bildern und zahlreichen Beispielen
Andre Krischke Helge Röpcke Graphen und Netzwerktheorie Grundlagen - Methoden - Anwendungen Mit 137 Bildern und zahlreichen Beispielen Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis I
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
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
MehrDirk Mattfeld Richard Vahrenkamp. Logistiknetzwerke. Modelle für Standortwahl. und Tourenplanung. 2., aktualisierte und überarbeitete Auflage
Dirk Mattfeld Richard Vahrenkamp Logistiknetzwerke Modelle für Standortwahl und Tourenplanung 2., aktualisierte und überarbeitete Auflage 4^ Springer Gabler Inhaltsverzeichnis Vorwort zur 2. Auflage Vorwort
MehrName:... Vorname:... Matr.-Nr.:... Studiengang:...
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................
MehrWie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung
Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung Teilnehmer/innen: Markus Dahinten, Graf Münster Gymnasium Bayreuth Robert Fay, Herder Gymnasium Berlin Falko
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
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
MehrEuler und Hamiltonkreise
Euler und Hamiltonkreise 1. Königsberger Brücken 2. Eulerwege und Kreise Definition, Algorithmus mit Tiefensuche 3. Hamiltonwege und Kreise Definition 4. Problem des Handlungsreisenden Enumeration und
MehrPlanare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)
Planare Graphen, Traveling Salesman Problem, Transportnetze Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Teil IV: Planare Graphen / Transportnetze 1. Planare Graphen / Traveling
Mehr35 Minimale aufspannende Bäume (Wenn das Naheliegende das Beste ist... )
35 Minimale aufspannende Bäume (Wenn das Naheliegende das Beste ist... ) Katharina Skutella und Martin Skutella Technische Universität Berlin Einst lebte in einem fernen Inselreich der Stamm der Algolaner.Die
Mehr3.6 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
MehrGibt 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
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem Dipl-Math. Wolfgang Kinzner 4.4.2012 Kapitel 6: Matchings und TSP-Problem Matching und Matchingproblem Flussalgorithmus
MehrPublikationen. Bücher. Heftherausgeberin. Dissertation
Publikationen Bücher 1. Stephan Hußmann und Brigitte Lutz-Westphal (Hg.): Kombinatorische Optimierung erleben. In Studium und Unterricht, Vieweg, 2007, 2. Auflage 2013 (in Vorbereitung) darin Kapitel 1.
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2013 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Martin Fink Büro E14 (Mathebau)
MehrMethoden für den Entwurf von Algorithmen
Methoden für den Entwurf von Algorithmen Greedy Algorithmen: - Löse ein einfaches Optimierungsproblem durch eine Folge vernünftiger Entscheidungen. - Eine getroffene Entscheidung wird nie zurückgenommen.
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
MehrGibt 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
Mehrentheoretische Konzepte und Algorithmen
Sven Oliver Krumke, Hartmut Noitemeier entheoretische Konzepte und Algorithmen Teubner Inhaltsverzeichnis 1 Einleitung 1 1.1 Routenplanung 1 1.2 Frequenzplanung im Mobilfunk I 1.3 Museumswärter 3 1.4 Das
MehrOptimierung. Optimierung. Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung Fabian Kuhn
Optimierung Vorlesung 9 Lineare Programmierung & Kombinatorische Optimierung 1 Assignment Problem (Zuordnungsproblem) Gewichtetes Perfektes Bipartites Matching agents Costs tasks Weise jedem Agenten genau
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der
MehrAlgorithmen und Datenstrukturen Kapitel 10
Algorithmen und Datenstrukturen Kapitel 10 Flüsse Frank Heitmann heitmann@informatik.uni-hamburg.de 6. Januar 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/8 Flüsse Graphen Grundlagen Definition
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
Mehr4. Welchen Zusammenhang gibt es zwischen den Eckengraden und der Anzahl der Kanten eines ungerichteten Graphen?
Kapitel 7 Graphentheorie Verständnisfragen Sachfragen 1. Was ist ein ungerichteter Graph? 2. Erläutern Sie den Begriff Adjazenz! 3. Erläutern Sie den Eckengrad in einem Graphen! 4. Welchen Zusammenhang
MehrKapitel 3. Kapitel 3 Graphentheorie
Graphentheorie Inhalt 3.1 3.1 Grundlagen 3.2 3.2 Das Das Königsberger Brückenproblem 3.3 3.3 Bäume 3.4. 3.4. Planare Graphen 3.5 3.5 Färbungen Seite 2 3.1 Grundlagen Definition. Ein Ein Graph besteht aus
MehrApproximationsalgorithmen für NP-harte Optimierungsprobleme
Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 18 Was tun mit NP-harten Problemen? Viele praxisrelevante
MehrApproximationsalgorithmen für NP-harte Optimierungsprobleme
Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 4. Januar 2011 Berthold Vöcking, Informatik 1 () Vorlesung
MehrVorwort... V. Abbildungsverzeichnis... XV. Tabellenverzeichnis... XVII. Symbolverzeichnis... XIX. Abkürzungsverzeichnis... XXIII. 1 Grundlagen...
Vorwort... V Abbildungsverzeichnis... XV Tabellenverzeichnis... XVII Symbolverzeichnis... XIX Abkürzungsverzeichnis... XXIII 1 Grundlagen... 1 1.1 Definition der Logistik... 1 1.2 Phasenspezifische Subsysteme
MehrINSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales
MehrBrückenkurs Mathematik. Jörn Steuding (Uni Würzburg), 13. Januar 2018
Brückenkurs Mathematik Jörn Steuding (Uni Würzburg), 3. Januar 08 unser Programm. November:. Zahlen und einfache Gleichungen Zahlen, Rechengesetze, lineare u. quadratische Gleichungen, Dezimalbrüche, ein
MehrLogistik: 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
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
MehrKombinatorische Optimierung
Kombinatorische Optimierung Zuweisungsprobleme 2 1 3 5 4 Kombinatorische Optimierung Rucksackpackproblem 1 10 2 4 6 3 5 8 6 Aufspannende Bäume Travelling Salesman VLSI Design C. Kanzow, M. Gerdts Kombinatorische
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
Mehr5. Graphen und Algorithmen
36 5. Graphen und Algorithmen 5.1 Einführung Das klassische Problem der Graphentheorie ist Das Königsberger Brücken Problem Die Abbildung zeigt die Stadt Königsberg im 18. Jahrhundert. Die beiden Arme
MehrDas Steinerbaumproblem
Das Steinerbaumproblem Natalie Richert Fakultät für Elektrotechnik, Informatik und Mathematik, Universität Paderborn 4. Februar 008 / 3 Überblick Problembeschreibung Vorstellung von zwei Approimationsalgorithmen
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien
Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009
MehrFormale Grundlagen der Informatik F3: Berechenbarkeit un
Formale Grundlagen der Informatik F3: Berechenbarkeit und Komplexität Fachbereich Informatik AB Theoretische Grundlagen der Informatik (TGI) Universität Hamburg farwer@informatik.uni-hamburg.de 14. Dezember
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
Mehr9: Gewichtete Graphen
Chr.Nelius: Graphentheorie (WS 06/7) 9 9: Gewichtete Graphen Beispiel: Eine Straßenkarte mit Entfernungsangaben zwischen den Orten ist ein Beispiel für einen gewichteten Graphen. (9.) DEF: Ein Graph G
MehrInhaltsverzeichnis. Grundlagen
Grundlagen 1 Logik und Mengen... 1 1.1 Elementare Logik... 1 1.2 Elementare Mengenlehre... 10 1.3 Schaltalgebra... 15 1.3.1 Anwendung: Entwurf von Schaltkreisen... 21 1.4 Mit dem digitalen Rechenmeister...
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
MehrApproximationsalgorithmen. 19. Dezember / 28
Approximationsalgorithmen 19. Dezember 2017 1 / 28 Optimierungsprobleme Das Ziel: Bearbeite schwierige Optimierungsprobleme der Form opt y f (x, y) so dass L(x, y). Die Zielfunktion f (x, y) ist zu minimieren
MehrFlüsse, Schnitte, Bipartite Graphen
Flüsse, Schnitte, Bipartite Graphen Sebastian Hahn 4. Juni 2013 Sebastian Hahn Flüsse, Schnitte, Bipartite Graphen 4. Juni 2013 1 / 48 Überblick Flussnetzwerke Ford-Fulkerson-Methode Edmonds-Karp-Strategie
MehrAufgabensammlung uncf Klausurentrainer zur Optimierung
Karl Heinz Borgwardt unter Mitarbeit von Matthias Tinkl und Thomas Wörle Aufgabensammlung uncf Klausurentrainer zur Optimierung Für die Bachelorausbildung in mathematischen Studiengängen STUDIUM 11 VIEWEG+
MehrHeuristische und exakte Lösungsansätze für das Handelsreisendenproblem. Dr. Gerold Jäger
Heuristische und exakte Lösungsansätze für das Handelsreisendenproblem Dr. Gerold Jäger Arbeitsgruppe Prof. Dr. Paul Molitor Institut für Informatik Martin-Luther-Universität Halle-Wittenberg 30. September
MehrEinführung 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
MehrDiskrete und kombinatorische Optimierung
Prof. Dr. Gerhard Reinelt Institut für Informatik Mathematikon 1.329 Im Neuenheimer Feld 205 Studieninformation zum Gebiet Diskrete und kombinatorische Optimierung 1. Beschreibung des Gebiets Diskrete
MehrStrategisches und operatives Logistikmanagement: Distribution
Strategisches und operatives Logistikmanagement: Distribution Distribution Bearbeitet von Rainer Lasch 1. Auflage 2012. Taschenbuch. xxii, 360 S. Paperback ISBN 978 3 8349 3011 8 Format (B x L): 16,8 x
Mehr7: Graphentheorie. Definition 110
7: Graphentheorie Definition 110 Ein Graph besteht aus einer nichtleeren Menge V ( Vertices ) von Knoten und einer Menge E von Kanten ( Edges Verbindungen zwischen den Knoten), d.h., zwei-elementigen Mengen
Mehr11. 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
MehrEinführung in Heuristische Suche
Einführung in Heuristische Suche Beispiele 2 Überblick Intelligente Suche Rundenbasierte Spiele 3 Grundlagen Es muss ein Rätsel / Puzzle / Problem gelöst werden Wie kann ein Computer diese Aufgabe lösen?
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
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:
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrGraphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
MehrWiederholung aus Diskreter Mathematik I: I: Graphentheorie
Wiederholung aus Diskreter Mathematik I: I: Graphentheorie Inhalt: W.1 Grundlagen W.2 Das Königsberger Brückenproblem W.3 Bäume W.4 Planare Graphen W.5 Färbungen W.1 Grundlagen Ein Ein Graph besteht aus
MehrFormale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
MehrMartin Aigner. Diskrete Mathematik
Martin Aigner Diskrete Mathematik Martin Aigner Diskrete Mathematik Mit über 500 Übungs aufgaben 3., durchgesehene Auflage Die Deutsche Bibliothek - CIP-Einheitsaufnahme Aigner, Martin: Diskrete Mathematik:
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
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
MehrPaper Computer Science Experiment. Automation (Suchalgorithmen) Labyrinth (Tiefensuche)
Paper Computer Science Experiment Great Principles of Computing Automation (Suchalgorithmen) Thema Labyrinth (Tiefensuche) Unterrichtsform Lernen am Modell Voraussetzung In der antiken griechischen Sage
MehrSchulbesuch Erich-Kästner Gesamtschule 07. April 2011
Schulbesuch Erich-Kästner Gesamtschule 07. April 0 Bünde Fakultät für Mathematik Universität Bielefeld dotten@math.uni-bielefeld.de Übersicht Was ist ein Sudoku-Rätsel? Die Regeln und das Ziel Zentrale
MehrGliederung. Kapitel 4. Lokale Suchverfahren. Meta-Heuristiken. Simulated Annealing. Lokale Suchverfahren. Optimierungsalgorithmen
Kapitel Optimierungsalgorithmen Gunnar Klau Institut für Computergraphik und Algorithmen Gliederung Kombinatorische vs. Ganzzahlige Optimierung Exakte Verfahren Branch-and-Bound Schnittebenenverfahren
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
Mehr2. Optimierungsprobleme 6
6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen
MehrSeminar: Einladung in die Mathematik
Seminar: Einladung in die Mathematik Marius Kling 11.11.2013 Übersicht 1. Königsberger Brückenproblem 2. Diskrete Optimierung 3. Graphentheorie in der Informatik 4. Zufällige Graphen 5. Anwendungen von
MehrKnotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E.
Knotenfärbung Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Die chromatische Zahl χ(g) eines Graphen G ist die minimale
MehrRainer Lasch. Strategisches und operatives Logistikmanagement: Distribution. Springer Gabler
Rainer Lasch Strategisches und operatives Logistikmanagement: Distribution Springer Gabler Vorwort V Abbildungsverzeichnis XIII Tabellenverzeichnis XV Symbolverzeichnis XVII Abkürzungsverzeichnis XXI 1
MehrAufgabe 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
MehrAlgorithmen und Datenstrukturen Tafelübung 14. Jens Wetzl 8. Februar 2012
Algorithmen und Datenstrukturen Tafelübung 14 Jens Wetzl 8. Februar 2012 Folien Keine Garantie für Vollständigkeit und/oder Richtigkeit Keine offizielle Informationsquelle LS2-Webseite Abrufbar unter:
MehrTrennender Schnitt. Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein?
6. Flüsse und Zuordnungen max-flow min-cut Trennender Schnitt Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein? a e s c d t b f Der Fluss kann nicht größer als die Kapazität der der
MehrGraphen für Einsteiger
Manfred Nitzsche Graphen für Einsteiger Rund um das Haus vom Nikolaus 2., korrigierte Auflage vieweg 1 Erste Graphen 1 Das Haus vom Nikolaus 1 Was ist ein Graph? 2 Auch das ist bei Graphen möglich! 3 Der
MehrLösungen 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
MehrMinimale Spannbäume. Evangelia Tsiouprou. LMU Proseminar Computer Unplugged WS 2004/05
Evangelia Tsiouprou LMU Proseminar Computer Unplugged WS 2004/05 1 MOTIVATION 3 1.1 Spannbaum 3 2 ALGORITHMEN ZUR BERECHNUNG EINES MST: 5 2.1 Der Algorithmus von Kruskal 5 2.1.1 Das Dorfbeispiel für den
MehrSatz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...
Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings
MehrGraphen- und Netzwerkop mierung
Graphen- und Netzwerkop mierung Chris na Büsing Graphen- und Netzwerkop mierung Autorin: Christina Büsing TU Berlin Fakultät II Mathematik und Naturwissenschaften, Institut für Mathematik Straße des 17.
MehrAufgaben 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
MehrTraveling Salesman Problem (TSP) Präsentation von Burku, Kienzerle, Stollnberger
Traveling Salesman Problem (TSP) Präsentation von Burku, Kienzerle, Stollnberger Inhalt Allgemeine Problembeschreibung Historie Mathematische Beschreibung Algorithmische Komplexität Beispiel Symmetrisches
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,
Mehr4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...
Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5
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
MehrGraphentheorie. Vorkurs Informatik WS 2016/2017. Dennis Aumiller
Vorkurs Informatik WS 2016/2017 Dennis Aumiller Aumiller@stud.uni-heidelberg.de 14.10.2016 Über das Thema Wo alles begann Leider keine gesonderte Vorlesung dafür oft als Teilthema in anderen Vorlesungen
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse
MehrBipartite 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
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrKapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung
Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
MehrOptimierung Operations Research Spieltheorie
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Karl Heinz Borgwardt Optimierung Operations Research Spieltheorie
MehrLogistik: Transport. Grundlagen, lineare Transportund Umladeprobleme. Von Dr. Wolfgang Domschke. o. Professor für Betriebswirtschaftslehre
Logistik: Transport Grundlagen, lineare Transportund Umladeprobleme Von Dr. Wolfgang Domschke o. Professor für Betriebswirtschaftslehre Zweite, ergänzte Auflage TECHNISCH!: MOC cchule DARiviSTAOT j P e
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen Der Tragödie IV. Theyl Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University
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,
MehrGraphen für Einsteiger
Manfred Nitzsche Graphen für Einsteiger Rund um das Haus vom Nikolaus vieweg 1 Erste Graphen 1 Das Haus vom Nikolaus 1 Was ist ein Graph? 2 Auch das ist bei Graphen möglich! 3 Der Grad einer Ecke 4 Verschiedene
Mehr