Schnelle und genaue Routenplanung
|
|
|
- Rainer Bader
- vor 6 Jahren
- Abrufe
Transkript
1 Sanders/Schultes: Routenplanung 1 Schnelle und genaue Routenplanung Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe Tag der Informatik, 15. Juli 2005
2 Sanders/Schultes: Routenplanung 2 Anwendungen Wie komme ich von A nach B? Routenplanung im Internet (z.b. Navigationssystem im Auto Anforderungen genaue schnellste Routen schnelle Berechnung geringer Speicherplatzverbrauch?
3 Sanders/Schultes: Routenplanung 3 DIJKSTRAs Algorithmus klassisches Verfahren aus der Graphentheorie zur Berechnung von kürzesten Pfaden Dijkstra s z ungeeignet für große Straßengraphen (z.b. Westeuropa: 22 Millionen Straßenabschnitte)
4 Sanders/Schultes: Routenplanung 4 Bidirektionale Suche Verbesserung von DIJKSTRAs Algorithmus bidirektionaler Dijkstra s z Halbierung des Suchraums möglich, aber immer noch zu langsam
5 Sanders/Schultes: Routenplanung 5 Naive Routenplanung 1. Suche nächste sinnvolle Autobahnauffahrt
6 Sanders/Schultes: Routenplanung 6 Naive Routenplanung 1. Suche nächste sinnvolle Autobahnauffahrt 2. Fahre auf Autobahnen möglichst nahe ans Ziel heran
7 Sanders/Schultes: Routenplanung 7 Naive Routenplanung 1. Suche nächste sinnvolle Autobahnauffahrt 2. Fahre auf Autobahnen möglichst nahe ans Ziel heran 3. Suche von der Autobahnausfahrt den Weg zum Ziel
8 Sanders/Schultes: Routenplanung 8 Kommerzielle Systeme 1. Suche von Start und Ziel aus ( bidirektional ) in einem bestimmten Radius (z.b. 20 km), betrachte dabei alle Straßen 2. Suche dann in einem größeren Radius (z.b. 100 km) weiter, betrachte dabei nur Land-/Bundesstraßen und Autobahnen 3. Suche weiter, betrachte nur noch Autobahnen schnell, aber ungenau
9 Sanders/Schultes: Routenplanung 9 Genaue Highway Hierarchie vollständige Suche im lokalen Bereich Suche im (dünneren) Highway Netzwerk s z Verfahren iterieren Highway Hierarchie s z Highway Netzwerk = minimaler Graph, bei dem alle kürzesten Wege erhalten bleiben
10 Sanders/Schultes: Routenplanung 10 Beispiel: Karlsruhe Level 0 Level 1 Level 2 Level 3
11 Sanders/Schultes: Routenplanung 11 Schnelle Konstruktion Herausforderung Vermeidung der Vorberechnung von kürzesten Pfaden zwischen allen Knotenpaaren Lösung Von jedem Knoten aus: Suche in einem lokalen Bereich
12 Sanders/Schultes: Routenplanung 12 Suche Beispiel: von Karlsruhe, Am Fasanengarten 5 nach Palma de Mallorca?
13 Sanders/Schultes: Routenplanung 13 Level 0 Suchraum
14 Sanders/Schultes: Routenplanung 14 Level 0 Suchraum
15 Sanders/Schultes: Routenplanung 15 Level 1 Suchraum
16 Sanders/Schultes: Routenplanung 16 Level 1 Suchraum
17 Sanders/Schultes: Routenplanung 17 Level 2 Suchraum
18 Sanders/Schultes: Routenplanung 18 Level 2 Suchraum
19 Sanders/Schultes: Routenplanung 19 Level 10 Suchraum
20 Sanders/Schultes: Routenplanung 20 Westeuropa Testdaten USA #Knotenpunkte #Straßenabschnitte :43 Konstruktion [h] 4:20 7,04 Suchzeiten [ms] 7, Beschleunigung ( DIJKSTRA) 2 645
21 Sanders/Schultes: Routenplanung 21 Schrumpfen der Highway Netzwerke Westeuropa Nachbarschaftsgröße = #Straßenabschnitte Level
22 Sanders/Schultes: Routenplanung 22 Zusammenfassung genaue schnellste Routen in großen Straßennetzen Highway Netzwerk z.b. Westeuropa 22 Mill. Straßenabschnitte erhält alle kürzesten Wege schnelle Suche < 8 ms im Durchschnitt schnelle Vorverarbeitung (Konstruktion der Highway Hierarchie) 3 Stunden Platzverbrauch hält sich in Grenzen 1.8 GB (noch verbesserungsfähig)
23 Sanders/Schultes: Routenplanung 23 Ausblick Kombination mit zielgerichteten Verfahren ( Arbeitsgruppe Prof. Wagner) s z Suchraum eines zielgerichteten Verfahrens
24 Sanders/Schultes: Routenplanung 24 Ausblick Kombination mit zielgerichteten Verfahren ( Arbeitsgruppe Prof. Wagner) s z zum Vergleich: Suchraum unseres Ansatzes
25 Sanders/Schultes: Routenplanung 25 Ausblick Kombination mit zielgerichteten Verfahren ( Arbeitsgruppe Prof. Wagner) Ziel: Schnittmenge beider Suchräume
26 Sanders/Schultes: Routenplanung 26 Ausblick Kombination mit zielgerichteten Verfahren ( Arbeitsgruppe Prof. Wagner) schnelle, lokale Aktualisierung des Highway Netzwerks (bspw. aufgrund eines Staus) Implementierung für Mobilgeräte
Schnelle und genaue Routenplanung
Sanders/Schultes: Routenplanung 1 Schnelle und genaue Routenplanung Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe Uni für Einsteiger, 22. November
Genauer Hochleistungs-Routenplaner
Sanders/Schultes: Routenplanung 1 Genauer Hochleistungs-Routenplaner Prof. Dr. Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe (TH) Heidelberger
Kürzeste und Schnellste Wege
Kürzeste und Schnellste Wege Wie funktionieren Navis? André Nusser (Folien inspiriert von Kurt Mehlhorn) Struktur Straßennetzwerke Naiver Algorithmus Dijkstras Algorithmus Transitknoten Nachbemerkungen
Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel
Highway Hierarchies Kristian Dannowski, Matthias Hoeschel Gliederung Einleitung / Bidirektional Dijkstra Intuition / Naive Strategie Konstruktion der Highway Hierarchie Suche in der Highway Hierarchie
Route Planning in Road Networks
D. Schultes: Route Planning in Road Networks 1 Route Planning in Road Networks Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe (TH) http://algo2.iti.uka.de/schultes/hwy/
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2011 Reinhard Bauer, Thomas Pajor 6. Juni 2011
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2011 Reinhard Bauer, Thomas Pajor 6. Juni 2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des
Exakte Kürzeste Pfade in Straßennetzwerken mit Highway Hierarchien
Exakte Kürzeste Pfade in Straßennetzwerken mit Highway Hierarchien Andreas Wickert Humboldt-Universität zu Berlin, Institut für Informatik, 10099 Berlin @informatik.hu-berlin.de Zusammenfassung
Algorithmen für Routenplanung Vorlesung 7
Algorithmen für Routenplanung Vorlesung 7 Daniel Delling 1/ 47 Letztes Mal T Many-to-Many Transit-Node Routing S access node s t distances between transit nodes access node 2/ 47 Transit-Node Routing ersetzt
Algorithmen für Routenplanung
Algorithmen für Routenplanung 4. Termin, Sommersemester 2011 Reinhard Bauer 2. Mai 2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Schnellste Wege, Teil II Stable Marriages
Schnellste Wege, Teil II Stable Marriages Kurt Mehlhorn und Kosta Panagiotou Max-Planck-Institut für Informatik Vorlesung Computational Thinking Übersicht Wiederholung: Grundalg und Korrektheit Dijkstras
Schnellste Wege Wie funktioniert ein Navi?
Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik Vorlesung Ideen der Informatik Schnellste Wege Routenfinden im Navi Karten und Graphen Algorithmen
Algorithmen für Routenplanung 18. Sitzung, Sommersemester 2015 Moritz Baum 13. Juli 2015
Algorithmen für Routenplanung 18. Sitzung, Sommersemester 2015 Moritz Baum 13. Juli 2015 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Ihre Route wird berechnet Schneller zum kürzesten Weg
Ihre Route wird berechnet Schneller zum kürzesten Weg Dr. Felix Hahne Curt Nowak (M.Sc.) hahne@bwl.uni-hildesheim.de cnowak@bwl.uni-hildesheim.de Stiftung Universität Hildesheim Institut für Betriebswirtschaft
Algorithmen für Routenplanung 8. Sitzung, Sommersemester 2013 Julian Dibbelt 22. Mai 2013
Algorithmen für Routenplanung 8. Sitzung, Sommersemester 2013 Julian Dibbelt 22. Mai 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Algorithmen für Routenplanung Vorlesung 11
Algorithmen für Routenplanung Vorlesung 11 Daniel Delling 1/ 35 Letztes Mal: Zeitabhängige Netzwerke Szenario: Historische Daten für Verkehrssituation verfügbar Verkehrssituation vorhersagbar berechne
Algorithmen für Routenplanung Vorlesung 3
Algorithmen für Routenplanung Vorlesung 3 Daniel Delling 1/ 45 Letztes Mal bidirektionale Suche A Suche A mit Landmarken bidirektionale A Suche 2/ 45 Themen Heute Geometrische Container Arc-Flags s t 3/
Fortgeschrittene Routenplanung. Transportnetzen. Advanced Route Planning in Transportation Networks
Fortgeschrittene Routenplanung in Transportnetzen Advanced Route Planning in Transportation Networks Dissertationsvortrag von Dipl.-Inform. Robert Geisberger 1 KIT Robert Universität Geisberger: des Landes
Algorithmen für Routenplanung Vorlesung 12
Algorithmen für Routenplanung Vorlesung 12 Daniel Delling 1/ 33 Letztes Mal: Multikriterielle Wege Szenario: schnellste Verbindung häufig nicht die Beste Anzahl Umstiege, Fahrtkosten, Distanz, etc. multikriterielle
Algorithmen für Routenplanung 2. Vorlesung, Sommersemester 2014 Andreas Gemsa 20. April 2014
Algorithmen für Routenplanung 2. Vorlesung, Sommersemester 2014 Andreas Gemsa 20. April 2014 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Praktikum Routenplanung Vorbesprechung, Wintersemester 2014/2015 Moritz Baum, Julian Dibbelt, Ben Strasser 22. Oktober 2014
Praktikum Routenplanung Vorbesprechung, Wintersemester 014/015 Moritz Baum, Julian Dibbelt, Ben Strasser. Oktober 014 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität
Dijkstra: Laufzeit. Insgesamt: T Dijkstra = O m T decreasekey (n)+n (T deletemin (n)+t insert (n))
Dijkstra: Laufzeit Function Dijkstra(s : NodeId) : NodeArray NodeArray d = {,..., }; parent[s]:= s; d[s] := 0; Q.insert(s) // O(n) while Q 6= /0 do u := Q.deleteMin // apple n foreach edge e =(u,v) 2 E
Algorithmen für Routenplanung
Algorithmen für Routenplanung 3. Termin, Sommersemester 2011 Reinhard Bauer 21.11.2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Berechnung von Abständen
3. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 3.4. Es sei G = (V, E) ein Graph. Der Abstand d(v, w) zweier Knoten v, w V ist die minimale Länge eines Weges von v nach w.
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
Praktikum Routenplanung Vorbesprechung, Wintersemester 2013/2014 Moritz Baum, Julian Dibbelt, Ben Strasser 21. Oktober 2013
Praktikum Routenplanung Vorbesprechung, Wintersemester 013/014 Moritz Baum, Julian Dibbelt, Ben Strasser 1. Oktober 013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität
Algorithmen für Routenplanung 4. Sitzung, Sommersemester 2010 Thomas Pajor 3. Mai 2010
Algorithmen für Routenplanung 4. Sitzung, Sommersemester 20 Thomas Pajor 3. Mai 20 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Vorlesung 4 BETWEENNESS CENTRALITY
Vorlesung 4 BETWEENNESS CENTRALITY 101 Aufgabe! Szenario: Sie arbeiten bei einem sozialen Online-Netzwerk. Aus der Netzwerk-Struktur Ihrer Benutzer sollen Sie wichtige Eigenschaften extrahieren. [http://www.fahrschule-vatterodt.de/
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
Vorlesung Netzwerkcodierung
Sommersemester 2010 Organisation Im Internet: http://www.ifn.et.tu-dresden.de/tnt/lehre/vl/nwcod Vorlesungen finden wöchentlich statt: Donnerstag, 5. DS, BAR 213 Übungen finden 2-wöchentlich statt: Freitag,
Teil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
Seminar Algorithmen für planare Graphen
Seminar Algorithmen für planare Graphen Reinhard Bauer, Marcus Krug, Ignaz Rutter, Dorothea Wagner Universität Karlsruhe (TH) Institut für Theoretische Informatik Lehrstuhl Algorithmik I 24. Oktober 2008
Berechnung kürzester Wege
Berechnung kürzester Wege 7. Algorithmus der Woche Informatikjahr 2006 Prof. Dr. Peter Sanders Dipl.-Inform. Johannes Singler 18. April 2006 Berechnung kürzester Wege 7. Algorithmus der Woche, Informatikjahr
4. Kreis- und Wegeprobleme Abstände in Graphen
4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls
Algorithmen für Routenplanung 1. Sitzung, Sommersemester 2010 Thomas Pajor 12. April 2010
Algorithmen für Routenplanung. Sitzung, Sommersemester 00 Thomas Pajor. April 00 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Praktikum Routenplanung Themenvorstellung & Gruppeneinteilung, Wintersemester 2015/2016 Moritz Baum, Ben Strasser, Tobias Zündorf 19.
Praktikum Routenplanung Themenvorstellung & Gruppeneinteilung, Wintersemester 2015/2016 Moritz Baum, Ben Strasser, Tobias Zündorf 19. Oktober 2015 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF.
2. Übungsblatt zu Algorithmen II im WS 2016/2017
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Christian Schulz, Dr. Simon Gog Michael Axtmann. Übungsblatt zu Algorithmen II im WS 016/017 Aufgabe
Routing Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
Algorithmen für Routenplanung 19. und letzte Sitzung, Sommersemester 2012 Thomas Pajor 16. Juli 2012
Algorithmen für Routenplanung 19. und letzte Sitzung, Sommersemester 2012 Thomas Pajor 16. Juli 2012 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes
Algorithmen für Routenplanung Vorlesung 4
Algorithmen für Routenplanung Vorlesung 4 Daniel Delling 1/ 39 Letztes Mal (u,v) Geometrische Container Arc-Flags u 2/ 39 Themen Heute + nächste 1-2 Hierarchische Techniken s t 3/ 39 Ideensammlung Wie
Dezentrale, verteilte Steuerung flächiger Fördersysteme für den innerbetrieblichen Materialfluss
Dezentrale, verteilte Steuerung flächiger Fördersysteme für den innerbetrieblichen Materialfluss Wissenschaftspreis Logistik 28.10.2015 Inhalt Was ist das zu lösende praktische Problem? Was ist die wissenschaftliche
INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
0. Übung Algorithmen I Veit Batz, Timo Bingmann, Christian Schulz, Vitaly Osipov INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 80 xb 0,8 xa + 0,7 xb 00 kg 0,06 xa + 0,2 xb 5 kg 60 xb 70 kg 40 20
8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.
8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und
Theoretische 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
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 13, Donnerstag, 30.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag, 0. Januar 0 (Kürzeste Wege, Dijkstras Algorithmus) Junior-Prof. Dr. Olaf Ronneberger
2 3 4 5 6 7 8 9 10 12,999,976 km 9,136,765 km 1,276,765 km 499,892 km 245,066 km 112,907 km 36,765 km 24,159 km 7899 km 2408 km 76 km 12 14 16 1 12 7 3 1 6 2 5 4 3 11 9 10 8 18 20 21 22 23 24 25 26 28
Algorithmen für Routenplanung 10. Sitzung, Sommersemester 2012 Daniel Delling 4. Juni 2012
Algorithmen für Routenplanung 10. Sitzung, Sommersemester 2012 Daniel Delling 4. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
Beschleunigte Berechnung von ressourcenbeschränkten kürzesten Wegen
Institut für Formale Methoden der Informatik Abteilung Algorithmik Universität Stuttgart Universitätsstraße 38 D 70569 Stuttgart Bachelorarbeit Nr. 19 Beschleunigte Berechnung von ressourcenbeschränkten
Fortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
Kap. 6.6: Kürzeste Wege
Kap. 6.6: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1./. VO DAP SS 009./9. Juli 009 1 Nachtest für Ausnahmefälle Di 1. Juli 009, 16:00 Uhr,
Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
Optimierung von Netzwerken Mathematik in Telekommunikation und Verkehr
Optimierung von Netzwerken Mathematik in Telekommunikation und Verkehr Rolf H. Möhring Technische Universität Berlin Kombinatorische Optimierung und Graphenalgorithmen Berlin, 13. September 2003 Made with
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2016 Ben Strasser 30. Mai 2016
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2016 Ben Strasser 30. Mai 2016 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Algorithmen für Routenplanung Vorlesung 10
Algorithmen für Routenplanung Vorlesung 10 Daniel Delling 1/ 42 Letztes Mal: Zeitabhängige Netzwerke (Basics) Szenario: Historische Daten für Verkehrssituation verfügbar Verkehrssituation vorhersagbar
Kombinatorische 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
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Algorithmen für Routenplanung 10. Vorlesung, Sommersemester 2016 Ben Strasser 25. Mai 2016
Algorithmen für Routenplanung 10. Vorlesung, Sommersemester 2016 Ben Strasser 25. Mai 2016 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Wie 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
Lernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen
Folie 1 von 20 Lernmodul 2 Graphen Folie 2 von 20 Graphen Übersicht Motivation Ungerichteter Graph Gerichteter Graph Inzidenz, Adjazenz, Grad Pfad, Zyklus Zusammenhang, Trennende Kante, Trennender Knoten
Name:... 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:.....................................
Algorithmen für Routenplanung 15. Vorlesung, Sommersemester 2012 Daniel Delling 20. Juni 2012
Algorithmen für Routenplanung 15. Vorlesung, Sommersemester 2012 Daniel Delling 20. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
Algorithmen für Routenplanung 5. Sitzung, Sommersemester 2010 Thomas Pajor 10. Mai 2010
Algorithmen für Routenplanung 5. Sitzung, Sommersemester 00 Thomas Pajor 0. Mai 00 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Auskunftssysteme: Kurzwegsuche im öffentlichen Verkehr
Auskunftssysteme: Kurzwegsuche im öffentlichen Verkehr Proseminar Algorithmen der Verkehrssimulation WS 05/06 Teera Inprasit Gliederung Einführung Optimale Zugverbindung? Modellierungsansätze Vergleich
Systems of Distinct Representatives
Systems of Distinct Representatives Seminar: Extremal Combinatorics Peter Fritz Lehr- und Forschungsgebiet Theoretische Informatik RWTH Aachen Systems of Distinct Representatives p. 1/41 Gliederung Einführung
Kurze Wege Übungen. Prof. Dr. Rainer Koschke 1 Dipl.-Inform. Jochen Quante 1 Dipl.-Inform. Raimar Falke 1
Kurze Wege Übungen Prof. Dr. Rainer Koschke 1 Dipl.-Inform. Jochen Quante 1 Dipl.-Inform. Raimar Falke 1 1 Arbeitsgruppe Softwaretechnik Fachbereich Mathematik und Informatik Universität Bremen 22. März
10. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2013 Julian Dibbelt 17. Juni 2013
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2013 Julian Dibbelt 17. Juni 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Kürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
Seminar Algorithmentechnik
Seminar Algorithmentechnik Institut für Theoretische Informatik Lehrstuhl für Algorithmik I Prof. Dorothea Wagner Karlsruhe Seminar Institut Algorithmentechnik für Technologie (KIT) Fakultät für Informatik
Konzentrische U-Bahn-Linienpläne
Bachelor-Kolloquium Konzentrische U-Bahn-Linienpläne Magnus Lechner 19.03.2014 Betreuer: Prof. Dr. Alexander Wolff Dipl.-Inf. Martin Fink Motivation Warum sind U-Bahn-Linienpläne von Interesse? Motivation
Algorithmen für Routenplanung 13. Vorlesung, Sommersemester 2017 Tobias Zündorf 26. Juni 2017
Algorithmen für Routenplanung 13. Vorlesung, Sommersemester 2017 Tobias Zündorf 26. Juni 2017 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
16. November 2011 Zentralitätsmaße. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87
16. November 2011 Zentralitätsmaße H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87 Darstellung in spektraler Form Zentralität genügt Ax = κ 1 x (Herleitung s. Tafel), daher ist x der Eigenvektor
Sokoban. Knowledge Engineering und Lernen in Spielen. Mark Sollweck Fachbereich 20 Seminar Knowledge Engineering Mark Sollweck 1
Sokoban Knowledge Engineering und Lernen in Spielen Mark Sollweck 29.04.2010 Fachbereich 20 Seminar Knowledge Engineering Mark Sollweck 1 Überblick Sokoban Spielregeln Eigenschaften Lösungsansatz IDA*
Adaptive Routenplanung mit Hilfe eines Geocast Protokolls
Adaptive Routenplanung mit Hilfe eines Geocast Protokolls Diplomarbeit von Matthias Preis am Institut für Telematik der Fakultät für Informatik Erstgutachter: Zweitgutachter: Betreuende Mitarbeiter: Prof.
Dynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
Praktikum Routenplanung Vorbesprechung, Wintersemester 2012/2013 Moritz Baum, Julian Dibbelt, Thomas Pajor, Ben Strasser 17.
Praktikum Routenplanung Vorbesprechung, Wintersemester 01/013 Moritz Baum, Julian Dibbelt, Thomas Pajor, Ben Strasser 17. Oktober 01 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA
Zugangs-, Gebäude- und Grundstücksadresse? (Die Umsetzung in der VAO...?)
Zugangs-, Gebäude- und Grundstücksadresse? (Die Umsetzung in der VAO...?) Agenda Begriffsbestimmung Routing auf der Last Mile eine Herausforderung? Die Lösung: Zugangsadressen Die Umsetzung Begriffsbestimmung
Zur Erstellung von Verkehrsgraphen. Zur Erstellung von Verkehrsgraphen für den Individualverkehr
Zur Erstellung von Verkehrsgraphen Die Graphentheorie als Instrument der Netzwerkanalyse Grundbegriffe und Eigenschaften zur Abbildung topologischer Sachverhalte Beispiele Abbildung von Infrastruktur-
1.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
Konzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Optimierungsstrategien für selbstorganisierende Speicherstrukturen
Optimierungsstrategien für selbstorganisierende Speicherstrukturen Robert Schelkle Karlsruher Institut für Technologie (KIT) Institut für Technische Informatik (ITEC) Lehrstuhl für Rechnerarchitektur und
Dynamisches Routing in der Logistik
Informatik, Angewandte Informatik, Technische Informationssysteme Dynamisches Routing in der Logistik Tobias Dimmel Dresden, 24.05.2012 Agenda 1. Begriffe 2. Traveling Salesman Problem 3. Ameisenalgorithmus
Vorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 34 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Kürzeste Wege zwischen allen Knotenpaaren (APSP)! Viele Anwendungen:! Navigationssysteme!
Einsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens
Fachhochschule Brandenburg Fachbereich Informatik und Medien Kolloquium zur Diplomarbeit Einsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens Übersicht Darstellung
Konzepte der Informatik
Platzhalter für Bild, Bild auf Titelfolie hinter das Logo einsetzen Konzepte der Informatik Vorkurs Informatik zum WS 2012/2013 01.10. - 12.10.2012 Dr. Werner Struckmann / Tim Winkelmann Stark angelehnt
Algorithmen für Routenplanung 1. Vorlesung, Sommersemester 2015 Andreas Gemsa 13. April 2015
Algorithmen für Routenplanung 1. Vorlesung, Sommersemester 015 Andreas Gemsa 13. April 015 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Praktikum Routenplanung Vorbesprechung, Wintersemester 2011/2012 Julian Dibbelt und Thomas Pajor 2. November 2011
Praktikum Routenplanung Vorbesprechung, Wintersemester 011/01 Julian Dibbelt und Thomas Pajor. November 011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität
Flüsse, 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
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Erinnerung VL
Erinnerung VL 22.06.2016 Dijkstra: Implementierung, Laufzeit Heute: Negative Kantengewichte (Bellman-Ford) Weitere Variationen (azyklische Graphen) Ausblick: Routenplanung in Straÿennetzwerken Abschluss
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
Learning to Optimize Mobile Robot Navigation Based on HTN Plans
Learning to Optimize Mobile Robot Navigation Based on HTN Plans lernen Betreuer: Freek Stulp Hauptseminar Intelligente Autonome Systeme (WiSe 2004/05) Forschungs- und Lehreinheit Informatik IX 8. Dezember
Routing in Nahverkehrsnetzen
Routing in Nahverkehrsnetzen Daniel Friesel derf@chaosdorf.de @derfnull CCC Düsseldorf / Chaosdorf 12. Juni 2015 Einleitung Es gibt diverse Routingdienste 1 / 11 Einleitung Es gibt diverse Routingdienste
Schulbesuch 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
Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
10. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Bäume
DATENSTRUKTUREN UND ALGORITHMEN
DATENSTRUKTUREN UND ALGORITHMEN 2 Ist die Datenstruktur so wichtig??? Wahl der Datenstruktur wichtiger Schritt beim Entwurf und der Implementierung von Algorithmen Dünn besetzte Graphen und Matrizen bilden
2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge