4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...
|
|
- Uwe Fischer
- vor 6 Jahren
- Abrufe
Transkript
1 Inhaltsverzeichnis 4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem Listenfärbungen Einführung paare Graphen Knotenreihenfolgen und Greedy-Algorithmus Planare Graphen
2 4 Färbungen 4.1 Begriffe (1) Beispiel: Frequenzzuordnungsproblem Gegeben: Menge von Sendern, Menge von Frequenzen, Sender können sich gegenseitig beeinflussen, d.h. sie können nicht auf derselben Frequenz senden, da sonst Interferenz auftritt. Gesucht: Minimalzahl von Frequenzen, so dass zwei Sender, die sich beeinflussen unterschiedliche Frequenzen erhalten. Modell: Graph G = (V, E) V entspricht der Menge der Sender: S 1,..., S n ; E: S i und S j sind genau dann durch eine Kante verbunden, wenn Sie sich gegenseitig beeinflussen. Frequenzzuordnung: Färbe die Knoten von G mit möglichst wenig Farben, so dass benachbarte Knoten unterschiedliche Farben erhalten. Bemerkung.: Jede Farbe entspricht einer Frequenz Beispiel 4.1: (2) Definition Ein Graph G = (V, E) heißt zulässig (Knoten)färbbar mit k Farben, sofern eine Funktion c : V {1,..., k} existiert mit c(x) c(y) für alle xy E. Die chromatische Zahl χ(g) ist die kleinste Zahl k, so daß der Graph G zulässig k-färbbar ist. 41
3 Bemerkung: Frequenzzuordnungsproblem = Knotenfärbungsproblem 4.2 Komplexität Betrachte folgendes Entscheidungsproblem: k-färbung= {(G, k) : G ist ein endlicher Graph, k N; Frage: besitzt G eine zulässige Knotenfärbung mit k Farben?} Satz: 2-Färbung ist in Linearzeit O( V + E ) entscheidbar. Satz: k-färbung ist NP-vollständig für k Greedy-Algorithmus (1) Algorithmus Bem.: Wir verwenden die natürlichen Zahlen {1, 2,...} als Farben. Eingabe: G = (V, E) zusammenhängender Graph mit n = V Sei v 1,..., v n eine beliebig gewählte Knotenreihenfolge. Färbe in der gewählten Reihenfolge jeden der Knoten mit der kleinsten möglichen Farbe (die nicht bei seinen schon gefärbten Nachbarn vorkommt). Beispiel 4.2: 42
4 (2) Bemerkung: Das Ergebnis des Greedy-Algorithmus kann beliebig schlecht sein, d.h. die Differenz zwischen der Anzahl der beim Algorithmus benötigten Farben und der chromatischen Zahl ist beliebig groß, sogar bei paaren Graphen (χ(g) = 2). Beispiel 4.3: K nn Matching 4.4 Knotenreihenfolgen Durch sinnvolle Wahl der Knotenreihenfolge kann das Ergebnis des Greedy-Algorithmus verbessert werden. (1) 2-Färbung Wähle die Knotenreihenfolge v 1,..., v n so, dass für jedes i 2 gilt, dass v i mindestens einen Nachbarn unter den Knoten v 1,..., v i 1 besitzt (Breitensuche, Tiefensuche). Für jeden Graphen liefert der Greedy-Algorithmus dann entweder eine 2-Färbung (sofern der Graph mit 2 Farben färbbar ist), oder die Aussage, dass der Graph nicht 2-färbbar ist. Noch einmal Beispiel 4.3 Satz: Ein Graph G ist 2-färbbar (paar), genau dann wenn G keinen ungeraden Kreis besitzt. (2) Coloring Number Frage: Wie sollte man die Knotenreihenfolge wählen, um 43
5 auch bei nicht 2-färbbaren Graphen mit dem Greedy- Algorithmus möglichst gute Ergebnisse zu erzielen? Definition: Die Coloring Number col(g) eines Graphen G ist die kleinste (natürliche) Zahl k, für die eine Knotenreihenfolge existiert, so dass jeder Knoten v i weniger als k Nachbarn unter den Knoten v i+1,..., v n besitzt. Betrachte folgende Reihenfolge: Sei v 1 ein Knoten mit Minimalgrad in G und für i = 2,..., n sei G i der Untergraph von G, der durch Entfernen der Knoten v 1,..., v i 1 entsteht, sowie v i ein Knoten mit Minimalgrad in G i. Bestimme x 1,..., x n durch Umkehren der Reihenfolge v 1,..., v n, d.h. x 1 = v n, x 2 = v n 1,..., x n = v 1. Diese Knotenreihenfolge wird Minimalgradfolge genannt. Bemerkung: Die Färbung der Knoten von G mit dem Greedy-Algorithmus unter Verwendung einer Minimalgradfolge x 1,..., x n ergibt eine Färbung mit höchstens col(g) Farben. Das kann aber immer noch beliebig schlecht sein. Beispiel 4.4: Definition: Ein Graph G heißt d-degeneriert, wenn jeder Untergraph von G einen Knoten vom Grad kleiner oder gleich d besitzt. Satz: Jeder d-degenerierte Graph ist (d + 1)-färbbar. 44
6 (3) Brook s Theorem (1941) Satz: Sei G ein zusammenhängender Graph mit Maximalgrad (G), der weder ein vollständiger Graph, noch ein ungerader Kreis ist. Dann ist G mit höchstens (G) Farben färbbar. 4.5 Das 4-Farben-Problem (1) Problem: Kann man eine beliebige Landkarte mit höchstens 4 Farben derart färben, dass je zwei Länder, die eine Grenze gemeinsam haben (nicht nur einen Punkt) verschiedene Farben erhalten? Beispiel 4.5: (2) Modell: Definition: G ist ein planarer Graph, wenn man ihn kreuzungsfrei in die Ebene zeichnen kann. Das 4-Farben Problem entspricht der Frage, ob man einen planaren Graphen zulässig mit 4 Farben färben kann. 45
7 Noch einmal Beispiel 4.5 (3) Planare Graphen Beispiel 4.6: K 3,3 Definition: Ein Graph H ist eine Unterteilung (subdivision) von G, wenn H = G ist, oder H kann durch Einfügen von Knoten vom Grad 2 in Kanten von G erhalten werden. Beispiel 4.7: Kuratowskis Theorem (1930): Ein Graph G ist genau dann planar, wenn er weder eine Unterteilung des K 3,3 noch eine Unterteilung des K 5 enthält. Ein planarer Graph mit n Knoten hat höchstens 3n 6 Kanten. Jeder planare Graph hat einen Knoten vom Grad kleiner oder gleich 5. Beispiel 4.8: Petersen-Graph 46
8 (4) 6-Färbung Jeder planare Graph ist 5-degeneriert. Jeder planare Graph ist 6-färbbar. (5) Geschichte des 4-Farben-Problems: 1852 Francis Guthrie (Student) fragte seinen Professor August De Morgan und dieser am 23. Oktober Sir William Hamilton Beweis von Alfred Bray Kempe 1890 Percy John Heawood fand einen Fehler in Kempes Beweis, aber mit der Idee kann bewiesen werden, dass 5 Farben ausreichen Kenneth Appel und Wolfgang Haken fanden einen Beweis mit Computerhilfe für schwierige Fälle. Heute wird der 4-Farben-Satz allgemein anerkannt. 5 Listenfärbungen 5.1 Einführung (1) Das Frequenzzuordnungsproblem Gegeben: Menge von Sendern, Menge von Frequenzen, jeder Sender hat eine Liste von erlaubten Frequenzen Sender können sich gegenseitig beeinflussen, d.h. sie können nicht auf derselben Frequenz senden, da sonst Interferenz auftritt. 47
9 Gesucht: Minimalzahl von Frequenzen, so dass zwei Sender, die sich beeinflussen, unterschiedliche Frequenzen erhalten. (2) Modell: Graph G = (V, E) V entspricht der Menge der Sender: S 1,..., S n ; E: S i und S j sind genau dann durch eine Kante verbunden, wenn Sie sich gegenseitig beeinflussen. L(v): Liste von erlaubten Farben (Frequenzen) für v V Frequenzzuordnung: Färbe die Knoten von G, so dass benachbarte Knoten unterschiedliche Farben erhalten, wobei die Frequenz für jeden Sender v aus seiner Liste L(v) gewählt werden muss. Frage: Wie lang müssen die Listen der erlaubten Frequenzen mindestens sein (wieviele Elemente müssen sie mindestens enthalten), damit die Zuordnung auf jeden Fall klappt? (3) Begriffe: Sei G = G(V, E) ein schlichter Graph. Jedem Knoten von v V (G) ist eine Menge (Liste) L(v) von erlaubten Farben zugeordnet. Die Menge L = {L(v) v V (G)} heißt Listenzuordnung. Eine Listenzuordnung heißt k-zuordnung, wenn jedem Knoten genau k erlaubte Farben zugeordnet sind. 48
10 Ein Graph G heißt L-listen färbbar, wenn die Knoten von G für die gegebene Listenzuordnung L zulässig färbbar sind, wobei die Farbe jeweils aus der zugehörigen Liste gewählt werden muss. Ein Graph heißt k-listenfärbbar, wenn er für jede beliebige k-zuordnung L jeweils L-listenfärbbar ist. Das kleinste k, für das ein Graph G k-listenfärbbar ist, heißt listenchromatische Zahl χ l (G). Beispiel 5.1: Satz: χ(g) χ l (G) 5.2 paare Graphen Zur Erinnerung: Jeder paare Graph ist 2-färbbar Die listenchromatische Zahl von paaren Graphen ist nicht beschränkt. Beispiel 5.2: K m,m m, K 7,7 Satz: Jeder planare paare Graph ist 3-listenfärbbar. 5.3 Knotenreihenfolgen und Greedy-Algorithmus Jeder m-degenerierte Graph ist m + 1-listenfärbbar. χ l (G) col(g) 49
11 5.4 Planare Graphen Listenfärbung von Landkarten: Jedes Land kann eine Liste von Farben bestimmen, von der dann eine Farbe für seine Färbung auf der Landkarte verwendet wird. Reicht es immer (für eine beliebige Landkarte), wenn jedes Land eine Liste von 4 Farben angibt? Modell: Listenfärbung von planaren Graphen Jeder planare Graph ist 6-listenfärbbar. Erdős, Rubin und Taylor vermuteten 1993, dass jeder planare Graph 5-listenfärbbar ist und dass es planare Graphen gibt, die nicht 4-listenfärbbar sind. Beide Vermutungen wurden 1993 bewiesen. Beispiel 5.3: Konstruktion eines planaren nicht 4-listenfärbbaren Graphen 50
16. Flächenfärbungen
Chr.Nelius: Graphentheorie (WS 2015/16) 57 16. Flächenfärbungen In der Mitte des 19. Jahrhunderts tauchte eine Vermutung auf, die erst 125 Jahre später bewiesen werden sollte und die eine der bekanntesten
MehrVier-Farben-Vermutung (1)
Vier-Farben-Vermutung (1) Landkarten möchte man so färben, dass keine benachbarten Länder die gleiche Farbe erhalten. Wie viele Farben braucht man zur Färbung einer Landkarte? Vier-Farben-Vermutung: Jede
MehrWilliam Rowan Hamilton,
3.2.2 Hamiltonkreise Definition 130. In einem Graph G = (V,E) nennt man einen Kreis, der alle Knoten aus V genau einmal durchläuft, einen Hamiltonkreis. Enthält ein Graph eine Hamiltonkreis, nennt man
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek
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
MehrVier Farben reichen! Von farbigen Landkarten und kniffeligen Beweisen. Martin Oellrich. Warum eine Karte? 3. Warum stetige Grenzen?
Vier Farben reichen! Von farbigen Landkarten und kniffeligen Beweisen Problemstellung Deutsche Bundesländer in vier Farben 4. April 06 Martin Oellrich Warum geht das immer? Gegeben: Karte eines Gebietes
MehrVier-Farbenproblem. (c) Ein etwas schwereres Beispiel...
Vier-Farbenproblem Kann man jede Landkarte mit vier Farben färben, sodass keine aneindander angrenzenden Länder die gleiche Farbe haben? Versuchen Sie die Karte Deutschlands oder eines der anderen Bilder
MehrDer Vier-Farben-Satz
, Samuel Hetterich, Felicia Raßmann Goethe-Universität Frankfurt, Institut für Mathematik 21.Juni 2013 Wieviele Farben braucht man zum Färben einer Landkarte? Spielregeln Länder mit einer gemeinsamen Grenze
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrDas Vierfarbenproblem und verwandte Fragestellungen
Eichstätter Kolloquium zur Februar 010 Didaktik der Mathematik Das Vierfarbenproblem und verwandte Fragestellungen Cornelia Minette Busch 1 Das Vierfarbenproblem Wenn Schüler eine politische Landkarte
MehrDer Fünffarbensatz. Ausarbeitung des Seminarvortrags vom
Philipps-Universität Marburg Fachbereich 12: Mathematik und Informatik PS Über klassische Probleme der Mathematik Leitung: Prof. Harald Upmeier, Benjamin Schwarz Referentin: Sabrina Klöpfel Wintersemester
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrÜbersicht 2. Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben. Martin Oellrich. wer das Problem löste 4
Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben Übersicht 5. April 009 5. April 009 Martin Oellrich 1 vom Problem zur Theorie die Idee weiter denken 3 MathematikerIn werden? Gibt
MehrEulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal
3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition
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
MehrLiegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier
4 Planare Graphen Bisher wurden Graphen abstrakt durch Mengen E und K und eine Abbildung ψ : K P(E) definiert. In diesem Kapitel beschäftigen wir uns mit einem Abschnitt der sogenannten topologischen Graphentheorie.
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
MehrVorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen
Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrElementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht
Prof. Dr. Andreas Meister SS 2004 digital von: Frank Lieberknecht Geplanter Vorlesungsverlauf...1 Graphentheorie...1 Beispiel 1.1: (Königsberger Brückenproblem)... 1 Beispiel 1.2: (GEW - Problem)... 2
Mehr1. 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
MehrTechnische 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
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
Mehr6. Übung zur Linearen Optimierung SS08
6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl
MehrWestfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld
Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrAufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.
Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.
MehrFormale Grundlagen der Informatik
Formale Grundlagen der Informatik / 2015 1 Die Elemente einer (endlichen) Menge sollen den Elementen einer zweiten, gleichmächtigen Menge zugeordnet werden Problemstellung Bipartite Graphen Zuordnungsprobleme
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.
MehrÜbersicht 2. Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben. Martin Oellrich. ein Problem vor der Haustür 3
Mathematik als Beruf? Von logischen Strukturen und spannenden Aufgaben Übersicht vom Problem zur Theorie 0. Juni 008 0. Juni 008 Martin Oellrich die Idee weiter denken MathematikerIn werden? Gibt es einen
Mehr8 Diskrete Optimierung
8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrMinimal 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
MehrNäherungsalgorithmen (Approximationsalgorithmen) WiSe 2006/07 in Trier. Henning Fernau Universität Trier
Näherungsalgorithmen (Approximationsalgorithmen) WiSe 2006/07 in Trier Henning Fernau Universität Trier fernau@informatik.uni-trier.de 1 Näherungsalgorithmen Gesamtübersicht Organisatorisches Einführung
MehrEinführung in die Computerlinguistik Berechenbarkeit, Entscheidbarkeit, Halteproblem
Einführung in die Computerlinguistik Berechenbarkeit, Entscheidbarkeit, Halteproblem Dozentin: Wiebke Petersen 14.1.2009 Wiebke Petersen Einführung CL (WiSe 09/10) 1 Hinweis zu den Folien Der Text dieser
MehrLernmodul 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
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
Mehr3. Musterlösung. Problem 1: Boruvka MST
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrS=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
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
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
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrDefinitionen und Sätze der Graphentheorie. Dr. F. Göring
Definitionen und Sätze der Graphentheorie Dr. F. Göring 4. Februar 2010 Zusammenfassung Die wesentlichen Definitionen und Sätze zusammengestellt. Kapitel 1 Einführung Definition 1.1 Sei Ω eine Grundmenge.
MehrAusarbeitung 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,
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrFelix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09
Felix Brandt, Jan Johannsen Vorlesung im Wintersemester 2008/09 Übersicht Übersicht Definition Ein Matching in G = (V, E) ist eine Menge M E mit e 1 e 2 = für e 1, e 2 M, e 1 e 2 Ein Matching M ist perfekt,
MehrProseminar 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
Mehr1. Übung Graphentheorie WS2016/17
1. Übung Graphentheorie WS2016/17 1. Schreiben Sie für jede Ecke der folgenden 7 Graphen den Grad auf! Welche der Graphen sind regulär? G 1 G 2 G 5 G 3 2. Bestimmen Sie alle paarweise nicht-isomorphen
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 4 Programm des
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrPraktikum Planare Graphen
1 Praktikum Planare Graphen Michael Baur, Martin Holzer, Steffen Mecke 10. November 2006 Einleitung Gliederung 2 Grundlagenwissen zu planaren Graphen Themenvorstellung Gruppeneinteilung Planare Graphen
MehrMusterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die
Mehr5 Graphen und Polyeder
5 Graphen und Polyeder 5.1 Graphen und Eulersche Polyederformel Ein Graph besteht aus einer Knotenmenge V (engl. vertex) und einer Kantenmenge E (engl. edge). Anschaulich verbindet eine Kante zwei Knoten,
MehrInduzierte Bäume in planaren Graphen
Induzierte Bäume in planaren Graphen Bachelorarbeit von Simon Bischof An der Fakultät für Informatik Institut für Theoretische Informatik Erstgutachter: Zweitgutachter: Betreuende Mitarbeiter: Prof. Dr.
MehrExpander Graphen und Ihre Anwendungen
Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006
MehrVorlesungen vom 5.Januar 2005
Vorlesungen vom 5.Januar 2005 5 Planare Graphen 5.1 Beispiel: Gas, Wasser, Elektrik Drei eingeschworene Feinde, die im Wald leben, planen Trassen zu den Versorgungswerken für die drei Grundgüter Gas, Wasser
MehrOverview. Testen von Planarität. Planare Graphen. Beliebige Knotenpositionen. Gerade Linien. Faces
Overview Testen von Planarität Markus Chimani LS XI Algorithm Engineering, TU Dortmund VO Automatisches Zeichnen von Graphen 15 Planarität Grundbegriffe Wie erkennt man Planarität Boyer-Myrvold Überblick
MehrDie Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man
Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.
MehrGrundbegriffe 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
Mehr9. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
Mehr4.7 Der Algorithmus von Dinic für maximalen Fluss
4.7 Der Algorithmus von Dinic für maximalen Fluss Wir kennen bereits den Algorithmus von Ford Fulkerson zur Suche nach einem maximalen Fluss in einem Graphen. Wir lernen nun einen Algorithmus für maximalen
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
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrVollständige Induktion
Schweizer Mathematik-Olympiade smo osm Vollständige Induktion Aktualisiert: 1 Dezember 01 vers 100 Eine der wichtigsten Beweistechniken der Mathematik überhaupt ist die (vollständige) Induktion Wir nehmen
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
MehrWiederholung 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:
Mehr4. 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
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.05.2012 Das Kunstgalerie-Problem Aufgabe: Installiere ein Kamerasystem
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
MehrMafI I: Logik & Diskrete Mathematik (F. Hoffmann)
Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob
MehrGrundlagen und Diskrete Strukturen Wiederholungsaufgaben
TU Ilmenau Institut für Mathematik Dr. Jens Schreyer Teil 1: Aussagenlogik Aufgabe 1 Grundlagen und Diskrete Strukturen Wiederholungsaufgaben Stellen Sie die Wahrheitstafel für die aussagelogische Formel
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
MehrGraphentheorie Mathe-Club Klasse 5/6
Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................
MehrA cutting plane algorithm for graph coloring
A cutting plane algorithm for graph coloring Ein Schnittebenenverfahren zur Färbung von Graphen Bachelor-Thesis von Lena Maria Schwan aus Hachenburg Oktober 2010 Fachbereich Mathematik AG Optimierung A
MehrEinführung in Approximative Algorithmen und Parametrisierte Komplexität
Einführung in Approximative Algorithmen und Parametrisierte Komplexität Tobias Lieber 10. Dezember 2010 1 / 16 Grundlegendes Approximationsalgorithmen Parametrisierte Komplexität 2 / 16 Grundlegendes Definition
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
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
MehrAlles zu seiner Zeit Projektplanung heute
Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrDurchschnitt von Matroiden
Durchschnitt von Matroiden Satz von Edmonds Dany Sattler 18. Januar 2007/ Seminar zur ganzzahligen Optimierung / Wallenfels Definition: Unabhängigkeitssystem Definition: Ein Mengensystem (S, J ) nennt
MehrVorlesung. Vollständige Induktion 1
WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
MehrKlausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrKapitel 5: Minimale spannende Bäume Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken
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
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrMinimal spannende Bäume
Minimal spannende Bäume Ronny Harbich 4. Mai 006 (geändert 19. August 006) Vorwort Ich danke Patrick Bahr und meinem Bruder Steffen Harbich für die Unterstützung bei dieser Arbeit. Sie haben sowohl zu
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
Mehr9. Primitivwurzeln. O. Forster: Einführung in die Zahlentheorie
9. Primitivwurzeln 9.1. Satz. Sei G eine zyklische Gruppe der Ordnung m und g G ein erzeugendes Element. Das Element a := g k, k Z, ist genau dann ein erzeugendes Element von G, wenn k zu m teilerfremd
MehrVerteilen von Bällen auf Urnen
Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
Mehr9. Heuristische Suche
9. Heuristische Suche Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany rudolf.kruse@cs.uni-magdeburg.de S Heuristische Suche Idee: Wir nutzen eine (heuristische)
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
Mehr