Algorithmen für Routenplanung 13. Sitzung, Sommersemester 2011 Reinhard Bauer, Thomas Pajor 9. Juni 2011
|
|
- Mona Abel
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithmen für Routenplanung 13. Sitzung, Sommersemester 2011 Reinhard Bauer, Thomas Paor 9. Juni 2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft
2 Zeitabhängige Routenplanung Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
3 Zeitabhängiges Szenario Szenario: Historische Daten für Verkehrssituation verfügbar Verkehrssituation vorhersagbar Berechne schnellsten Weg bezüglich der erwarteten Verkehrssituation (zu einem gegebenen Startzeitpunkt) Beobachtung: Kein konzeptioneller Unterschied zu Public Transport Somit (eventuell) Techniken übertragbar Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
4 Herausforderung Hauptproblem: Kürzester Weg hängt von Abfahrtszeitpunkt ab Eingabegröße steigt massiv an Vorgehen: Modellierung Anpassung Dikstra Anpassung der Basismodule für Beschleunigungstechniken Heute: Modellierung und Dikstra Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
5 Herausforderung Hauptproblem: Kürzester Weg hängt von Abfahrtszeitpunkt ab Eingabegröße steigt massiv an Vorgehen: Modellierung Anpassung Dikstra Anpassung der Basismodule für Beschleunigungstechniken Heute: Modellierung und Dikstra Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
6 Herausforderung Hauptproblem: Kürzester Weg hängt von Abfahrtszeitpunkt ab Eingabegröße steigt massiv an Vorgehen: Modellierung Anpassung Dikstra Anpassung der Basismodule für Beschleunigungstechniken Heute: Modellierung und Dikstra Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
7 Zeitabhängige Straßennetzwerke Eingabe: Durchschnittliche Reisezeit zu bestimmten Zeitpunkten Jeden Wochentag verschieden Sonderfälle: Urlaubszeit Somit an eder Kante: Periodische stückweise lineare Funktion Definiert durch Stützpunkte Interpoliere linear zwischen Stützpunkten travel time departure Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
8 Eisenbahn-Netzwerke Z 1, Z 2 Z 1, Z 2, Z 3 Z 1, Z 2 S 1 S 2 Z 3 Z 3 Teile Züge Z i in Routen ein Für alle Routen, die eine Station bedienen: Ein extra Knoten Modelliert Umstiege zwischen Zügen Mindesttransferzeit für ede Station: an Stations-Kanten Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
9 Eisenbahn-Netzwerke Z 1, Z 2 Z 1, Z 2, Z 3 Z 1, Z 2 S 1 S 2 Z 1, Z 2 S 1 S 2 Z 3 Z 3 Z 3 Teile Züge Z i in Routen ein Für alle Routen, die eine Station bedienen: Ein extra Knoten Modelliert Umstiege zwischen Zügen Mindesttransferzeit für ede Station: an Stations-Kanten Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
10 Flugnetzwerke Nutzung des Eisenbahnansatzes nicht sinnvoll Graphen werden zu groß. Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
11 Flugnetzwerke Modellierung: Check-in, Check-out, Transfer, zwischen Allianzen. s s o o s s o o s s o o Zwei Knoten pro Allianz (Abflug und Ankunftsknoten) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
12 Flugnetzwerke Modellierung: Check-in, Check-out, Transfer, zwischen Allianzen. s s o o s s o o s s o o Zwei Knoten pro Allianz (Abflug und Ankunftsknoten) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
13 Public Transport Funktionen Eingabe: Reisezeit zu bestimmten Zeitpunkten (Fahrzeiten der Züge) Jeden Tag verschieden Somit: Periodische stückweise lineare Funktionen Definiert durch Stützpunkte Wartezeit zur nächsten Verbindung + Reisezeit travel time departure Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
14 FIFO-Eigenschaft Definition Sei f : R + 0 R+ 0 eine Funktion. f erfüllt die FIFO-Eigenschaft, wenn für edes ε > 0 und alle τ R + 0 gilt, dass f (τ) ε + f (τ + ε). Diskussion Interpretation: Warten lohnt sich nie Kürzeste Wege auf Graphen mit non-fifo Funktionen zu finden ist NP-schwer. (wenn warten an Knoten nicht erlaubt ist) Sicherstellen, dass Funktionen FIFO-Eigenschaft erfüllen. Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
15 Diskussion Eigenschaften: Topologie ändert sich nicht Kanten gemischt zeitabhängig und konstant variable (!) Anzahl Interpolationspunkte pro Kante Beobachtungen: FIFO gilt auf allen Kanten später wichtig Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
16 Diskussion Eigenschaften: Topologie ändert sich nicht Kanten gemischt zeitabhängig und konstant variable (!) Anzahl Interpolationspunkte pro Kante Beobachtungen: FIFO gilt auf allen Kanten später wichtig Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
17 Datenstruktur 8:00-2 9: : :00-3 8: : : : : : :00-1 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
18 Datenstruktur 8:00-2 9: : firstedge targetnode firstpoint :00-3 8: : : : : : :00-1 time weight Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
19 Datenstruktur sourcenode lowerbound :00-2 9: : firstinedge firstoutedge targetnode firstpoint :00-3 8: : : : : : :00-1 time weight Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
20 Anfrageszenarien Zeit-Anfrage: finde kürzesten Weg für Abfahrtszeit τ analog zu Dikstra? Profil-Anfrage: finde kürzesten Weg für alle Abfahrtszeitpunkte analog zu Dikstra? Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
21 Anfrageszenarien Zeit-Anfrage: finde kürzesten Weg für Abfahrtszeit τ analog zu Dikstra? Profil-Anfrage: finde kürzesten Weg für alle Abfahrtszeitpunkte analog zu Dikstra? Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
22 Zeit-Anfragen Time-Dikstra(G = (V, E),s,τ) d τ [s] = 0 Q.clear(), Q.add(s, 0) while!q.empty() do u Q.deleteMin() for all edges e = (u, v) E do if d τ [u] + len(e, τ + d τ [u]) < d τ [v] then d τ [v] d τ [u] + len(e, τ + d τ [u]) p τ [v] u if v Q then Q.decreaseKey(v, d τ [v]) else Q.insert(v, d τ [v]) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
23 Diskussion Zeit-Anfragen Beobachtung: Nur ein Unterschied zu Dikstra Auswertung der Kanten non-fifo Netzwerke: Im Kreis fahren kann sich lohnen NP-schwer (wenn warten an Knoten nicht erlaubt ist) Transportnetzwerke sind FIFO modellierbar (notfalls Multikanten) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
24 Diskussion Zeit-Anfragen Beobachtung: Nur ein Unterschied zu Dikstra Auswertung der Kanten non-fifo Netzwerke: Im Kreis fahren kann sich lohnen NP-schwer (wenn warten an Knoten nicht erlaubt ist) Transportnetzwerke sind FIFO modellierbar (notfalls Multikanten) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
25 Profil-Anfragen Profile-Search(G = (V, E),s) d [s] = 0 Q.clear(), Q.add(s, 0) while!q.empty() do u Q.deleteMin() for all edges e = (u, v) E do if d [u] len(e) d [v] then d [v] min(d [u] len(e), d [v]) if v Q then Q.decreaseKey(v, d[v]) else Q.insert(v, d[v]) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
26 Diskussion Profile-Anfragen Beobachtungen: Operationen auf Funktionen Priorität im Prinzip frei wählbar (d[u] ist das Minimum der Funktion d [u]) Knoten können mehrfach besucht werden label-correcting Herausforderungen: Wie effizient berechnen (Linken)? Wie effizient Minimum bilden? Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
27 Operationen Funktion gegeben durch: Menge von Interpolationspunkten I f := {(t1 f, w 1 f ),..., (t k f, w k f )} 3 Operationen notwendig: Auswertung Linken Minimumsbildung Beobachtung: Unterschiedlich für Straße und Schiene Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
28 Straße: Auswertung Evaluation von f (τ): Suche Punkte mit t i τ und t i+1 τ dann Evaluation durch travel time f (τ) = w i + (τ t i ) wi+1 w i t i+1 t i departure Problem: Finden von t i und t i+1 Theoretisch: Lineare Suche: O( I ) Binäre Suche: O(log 2 I ) Praktisch: I < 30 lineare Suche Sonst: Lineare Suche mit Startpunkt τ Π I wobei Π die Periodendauer ist Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
29 Straße: Auswertung Evaluation von f (τ): Suche Punkte mit t i τ und t i+1 τ dann Evaluation durch travel time f (τ) = w i + (τ t i ) wi+1 w i t i+1 t i departure Problem: Finden von t i und t i+1 Theoretisch: Lineare Suche: O( I ) Binäre Suche: O(log 2 I ) Praktisch: I < 30 lineare Suche Sonst: Lineare Suche mit Startpunkt τ Π I wobei Π die Periodendauer ist Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
30 Linken Definition Seien f : R + 0 R+ 0 und g : R+ 0 zwei Funktionen die die FIFO-Eigenschaft erfüllen. Die Linkoperation f g ist dann definiert durch f g := f + g (id +f ) Oder (f g)(τ) := f (τ) + g(τ + f (τ)) Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
31 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u 32 7:00 8:00 v w :00 8: :00 8:00 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
32 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u 32 7:00 8:00 v w :00 8: :00 8:00 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
33 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 8:00 v w :00 8: :00 7:12 8:00 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
34 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 8:00 v w :00 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
35 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 8:00 v w :00 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
36 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 7:45 8:00 v w :00 7:45 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
37 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 7:45 8:00 v w :00 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
38 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 7:45 8:00 v w :00 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
39 Straße: Link Linken zweier Funktionen f und g f g enthält auf eden Fall { ( t1 f, w 1 f + g(t 1 f + w 1 f )),..., ( tl f, w l f + g(tl f + wl f )) } Zusätzliche Interpolationspunkte an t 1 mit f (t 1 ) + t 1 = t g Füge (t 1, f (t 1 ) + w g ) für alle Punkte von g zu f g Durch linearen Sweeping- Algorithmus implementierbar u :00 7:45 8:00 v w :00 8: :00 8:00 8:16 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
40 Straße: Diskussion Link Laufzeit Sweep Algorithmus O( I f + I g ) Zum vergleich: Zeitunabhängig O(1) Speicherverbrauch Gelinkte Funktion hat I f + I g Interpolationspunkte Problem: Während Profilsuche kann ein Pfad mehreren Tausend Kanten entsprechen... Shortcuts... es kommt noch schlimmer... Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
41 Straße: Diskussion Link Laufzeit Sweep Algorithmus O( I f + I g ) Zum vergleich: Zeitunabhängig O(1) Speicherverbrauch Gelinkte Funktion hat I f + I g Interpolationspunkte Problem: Während Profilsuche kann ein Pfad mehreren Tausend Kanten entsprechen... Shortcuts... es kommt noch schlimmer... Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
42 Straße: Diskussion Link Laufzeit Sweep Algorithmus O( I f + I g ) Zum vergleich: Zeitunabhängig O(1) Speicherverbrauch Gelinkte Funktion hat I f + I g Interpolationspunkte Problem: Während Profilsuche kann ein Pfad mehreren Tausend Kanten entsprechen... Shortcuts... es kommt noch schlimmer... Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
43 Straße: Merge Minimum zweier Funktionen f und g Für alle (ti f, w i f f ): behalte Punkt, wenn wi < g(ti f ) Für alle (t g, w g ): behalte Punkt, wenn w g < f (t g ) Schnittpunkte müssen ebenfalls eingefügt werden Vorgehen: Linearer sweep Evaluiere, welcher Abschnitt obentravel time Checke ob Schnittpunkt existiert departure time Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
44 Straße: Merge Minimum zweier Funktionen f und g Für alle (ti f, w i f f ): behalte Punkt, wenn wi < g(ti f ) Für alle (t g, w g ): behalte Punkt, wenn w g < f (t g ) Schnittpunkte müssen ebenfalls eingefügt werden Vorgehen: Linearer sweep Evaluiere, welcher Abschnitt obentravel time Checke ob Schnittpunkt existiert departure time Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
45 Straße: Diskussion Merge Laufzeit Sweep Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Minimum-Funktion kann mehr als I f + I g Interpolationspunkte enthalten Problem: Während Profilsuche werden Funktionen gemergt Laufzeit der Profilsuchen wird durch diese Operationen dominiert Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
46 Straße: Diskussion Merge Laufzeit Sweep Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Minimum-Funktion kann mehr als I f + I g Interpolationspunkte enthalten Problem: Während Profilsuche werden Funktionen gemergt Laufzeit der Profilsuchen wird durch diese Operationen dominiert Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
47 Straße: Diskussion Merge Laufzeit Sweep Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Minimum-Funktion kann mehr als I f + I g Interpolationspunkte enthalten Problem: Während Profilsuche werden Funktionen gemergt Laufzeit der Profilsuchen wird durch diese Operationen dominiert Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
48 Public Transport: Auswertung Evaluation von f (τ): Suche Punkte mit t i τ und t i τ minimal dann Evaluation durch f (τ) = w i + (t i τ) Problem: travel time Finden von t i und t i+1 Theoretisch: Lineare Suche: O( I ) Binäre Suche: O(log 2 I ) praktisch: I < 30: Lineare Suche Sonst: Lineare Suche mit Startpunkt τ Π I departure Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
49 Public Transport: Auswertung Evaluation von f (τ): Suche Punkte mit t i τ und t i τ minimal dann Evaluation durch f (τ) = w i + (t i τ) Problem: travel time Finden von t i und t i+1 Theoretisch: Lineare Suche: O( I ) Binäre Suche: O(log 2 I ) praktisch: I < 30: Lineare Suche Sonst: Lineare Suche mit Startpunkt τ Π I departure Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
50 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
51 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min 8: min 9: min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
52 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min 8: min 9: min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
53 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min 8: min 9: min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
54 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min 8: min 9: min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
55 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g, w g Für eden Punkt (ti f, w i f t g ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g + w g ti f ) hinzu Wenn zwei Punkte den gleichen Verbindungspunkt haben, behalte nur den mit größerem ti f u Wieder Sweep-Algorithmus 7:00-55 min 8:00-55 min 9:00-55 min 8: min 9: min v ) mit w 09:00-60 min 12:00-60 min 16:00-60 min Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
56 Public Transport: Diskussion Link Laufzeit Sweep-Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Gelinkte Funktion hat min{ I f, I g } Interpolationspunkte Somit: Deutlich gutmütiger als Straßengraph-Funktionen Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
57 Public Transport: Diskussion Link Laufzeit Sweep-Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Gelinkte Funktion hat min{ I f, I g } Interpolationspunkte Somit: Deutlich gutmütiger als Straßengraph-Funktionen Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
58 Public Transport: Diskussion Link Laufzeit Sweep-Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Gelinkte Funktion hat min{ I f, I g } Interpolationspunkte Somit: Deutlich gutmütiger als Straßengraph-Funktionen Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
59 Public Transport: Merge Minimum zweier Funktionen f und g Für alle (ti f, w i f f ): behalte Punkt, wenn wi < g(ti f ) Für alle (t g, w g ): behalte Punkt, wenn w g < f (t g ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
60 Public Transport: Merge Minimum zweier Funktionen f und g Für alle (ti f, w i f f ): behalte Punkt, wenn wi < g(ti f ) Für alle (t g, w g ): behalte Punkt, wenn w g < f (t g ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
61 Public Transport: Merge Minimum zweier Funktionen f und g Für alle (ti f, w i f f ): behalte Punkt, wenn wi < g(ti f ) Für alle (t g, w g ): behalte Punkt, wenn w g < f (t g ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
62 Public Transport: Diskussion Merge Laufzeit Sweep-Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Keine Schnittpunkte Minimum-Funktion kann maximal I f + I g Interpolationspunkte enthalten Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
63 Public Transport: Diskussion Merge Laufzeit Sweep-Algorithmus O( I f + I g ) Zum Vergleich: Zeitunabhängig: O(1) Speicherverbrauch Keine Schnittpunkte Minimum-Funktion kann maximal I f + I g Interpolationspunkte enthalten Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
64 Schiene vs. Straße Laufzeit Operationen gleich für beide O(log I ) für Auswertung O( I f + I g ) für Linken und Minimum Speicherverbrauch Public Transport deutlich geringer Link: Merge: I f g min{ I f, I g } vs. I f g I f + I g I min{f,g} I f + I g vs. eventuell I min{f,g} > ( I f + I g ) Profilsuchen Somit in Public Transport Netzen wahrscheinlich schneller Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
65 Schiene vs. Straße Laufzeit Operationen gleich für beide O(log I ) für Auswertung O( I f + I g ) für Linken und Minimum Speicherverbrauch Public Transport deutlich geringer Link: Merge: I f g min{ I f, I g } vs. I f g I f + I g I min{f,g} I f + I g vs. eventuell I min{f,g} > ( I f + I g ) Profilsuchen Somit in Public Transport Netzen wahrscheinlich schneller Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
66 Schiene vs. Straße Laufzeit Operationen gleich für beide O(log I ) für Auswertung O( I f + I g ) für Linken und Minimum Speicherverbrauch Public Transport deutlich geringer Link: Merge: I f g min{ I f, I g } vs. I f g I f + I g I min{f,g} I f + I g vs. eventuell I min{f,g} > ( I f + I g ) Profilsuchen Somit in Public Transport Netzen wahrscheinlich schneller Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
67 Eingabe Straße: Netzwerk Deutschland V 4.7 Mio., E 10.8 Mio. 5 Verkehrszenarien: Montag: 8% Kanten zeitabhängig Dienstag - Donnerstag: 8% Freitag: 7% Samstag: 5% Sonntag: 3% Schiene: Europa Fernverbindungen Stationen, 1.8 Millionen Verbindungen V = 0.4 Mio., E = 1.4 Mio. Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
68 Grad der Zeitabhängigkeit #delete mins slow-down time [ms] slow-down kein 2,239, % % Montag 2,377, % % DiDo 2,305, % % Freitag 2,340, % % Samstag 2,329, % % Sonntag 2,348, % % Beobachtung: kaum Veränderung in Suchraum Anfragen etwas langsamer durch Auswertung Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
69 Profilsuchen Straße Beobachtung: Nicht durchführbar durch zu großen Speicherbedarf (> 32 GiB RAM) Interpoliert: Suchraum steigt um ca. 10% Suchzeiten um einen Faktor von bis zu inpraktikabel Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
70 Profilsuchen Schiene #delete mins time [ms] Zeit-Anfragen Profil-Anfragen Beobachtung: Deletemins steigen an (ungefähr Faktor 8) Queryzeit steigt an um Faktor 42 Verlust für Operationen ist ca. 5 Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
71 Zusammenfassung Zeitabhängige Netzwerke (Basics) Funktionen statt Konstanten an Kanten Operationen werden teurer O(log I ) für Auswertung O( I f + I g ) für Linken und Minimum Straßennetzwerke: Speicherverbrauch explodiert Eisenbahn: gutartiger Zeitanfragen: Normaler Dikstra Kaum langsamer (lediglich Auswertung) Profilanfragen In Public Transportation gut nutzbar Straßennetzwerke nicht zu handhaben Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
72 Ende Literatur (Zeitabhängige Routenplanung): Daniel Delling: Enginering and Augmenting Route Planning Algorithms Ph.D. Thesis, Universität Karlsruhe (TH), Reinhard Bauer, Thomas Paor Algorithmen für Routenplanung 9. Juni 2011
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2010 Thomas Pajor 28. Juni 2010
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2010 Thomas Paor 28. Juni 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT University of the State of Baden-Wuerttemberg
MehrAlgorithmen für Routenplanung 11. Sitzung, Sommersemester 2015 Julian Dibbelt 01. Juni 2015
Algorithmen für Routenplanung 11. Sitzung, Sommersemester 2015 Julian Dibbelt 01. Juni 2015 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung 14. Vorlesung, Sommersemester 2012 Daniel Delling 18. Juni 2012
Algorithmen für Routenplanung 14. Vorlesung, Sommersemester 2012 Daniel Delling 18. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
MehrAlgorithmen für Routenplanung 14. Sitzung, Sommersemester 2011 Thomas Pajor 16. Juni 2011
Algorithmen für Routenplanung 14. Sitzung, Sommersemester 2011 Thomas Pajor 16. Juni 2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung 8. Sitzung, Sommersemester 2012 Thomas Pajor 21. Mai 2012
Algorithmen für Routenplanung 8. Sitzung, Sommersemester 2012 Thomas Pajor INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und nationales
MehrAlgorithmen für Routenplanung 7. Sitzung, Sommersemester 2010 Thomas Pajor 28. Mai 2010
Algorithmen für Routenplanung 7. Sitzung, Sommersemester 2010 Thomas Pajor 28. Mai 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrAlgorithmen 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
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung 2. Sitzung, Sommersemester 2012 Thomas Pajor 23. April 2012
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2012 Thomas Pajor INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und nationales
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung 13. Sitzung, Sommersemester 2013 Julian Dibbelt 19. Juni 2013
Algorithmen für Routenplanung 13. Sitzung, Sommersemester 2013 Julian Dibbelt 19. Juni 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung Übung 1 Thomas Pajor 8. Mai 2009 1/ 28 Organisatorisches Willkommen zur Übung zur Vorlesung Algorithmen für Routenplanung Euer Übungsleiter Name: Thomas Pajor E-Mail: pajor@ira.uka.de
MehrAlgorithmen 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
MehrConnection Scan. Julian Dibbelt, Thomas Pajor, Ben Strasser, Dorothea Wagner
Connection Scan Julian Dibbelt, Thomas Pajor, Ben Strasser, Dorothea Wagner 20.4.2016 I NSTITUT F U R T HEORETISCHE I NFORMATIK A LGORITHMIK P ROF. D R. D OROTHEA WAGNER KIT Universita t des Landes Baden-Wu
MehrAlgorithmen für Routenplanung 19. Vorlesung, Sommersemester 2016 Ben Strasser 6. Juli 2016
Algorithmen für Routenplanung 19. Vorlesung, Sommersemester 2016 Ben Strasser 6. Juli 2016 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrErinnerung VL
Erinnerung VL.6.16 Graphtraversierung (DFS, topologische Sortierung und mehr) Kürzeste Wege: Problemstellung, Algorithmen Analoger Algorithmus Dijkstras Algorithmus: Idee, Korrektheit Heute: mehr zu Dijkstra,
MehrAlgorithmen 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/
MehrAlgorithmen für Routenplanung Vorlesung 2
Algorithmen für Routenplanung Vorlesung 2 Daniel Delling 1/ 50 2. Beschleunigungstechniken 2/ 50 Letztes Mal breche Suche ab, sobald Ziel abgearbeitet worden ist vermeide Initialisierung durch Counter
MehrAlgorithmen für Routenplanung Vorlesung 1
Algorithmen für Routenplanung Vorlesung Daniel Delling Forschungsuniversität gegründet 85 Forschungsuniversität gegründet 85 / 44 Organisatorisches Vorlesung Daniel Delling freitags 9:45 - :5, SR 30 +
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrAlgorithmen für Routenplanung Vorlesung 6
Algorithmen für Routenplanung Vorlesung 6 Daniel Delling 1/ 36 Letztes Mal Highway Hierarchies Highway-Node Routing Contraction Hierarchies s t 2/ 36 Zusammenfassung letztes Mal Highway Hierarchies Highway-Node
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 15. Sitzung, Sommersemester 2011 Thomas Pajor 20. Juni 2011 I NSTITUT FÜR T HEORETISCHE I NFORMATIK A LGORITHMIK I P ROF. D R. D OROTHEA WAGNER KIT Universität des Landes
MehrPraktikum 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
MehrAlgorithmen 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
MehrAlgorithmen für Planare Graphen
Algorithmen für Planare Graphen 12. Juni 2018, Übung 4 Lars Gottesbüren, Michael Hamann INSTITUT FÜR THEORETISCHE INFORMATIK KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Prüfungstermine
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 1. Termin, Sommersemester 011 Reinhard Bauer 14. April 011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrAlgorithmen für Routenplanung 1. Sitzung, Sommersemester 2012 Thomas Pajor 18. April 2012
Algorithmen für Routenplanung 1. Sitzung, Sommersemester 01 Thomas Pajor INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und nationales
MehrAlgorithmen für Routenplanung 2. Vorlesung, Sommersemester 2018 Tim Zeitz 23. April 2018
Algorithmen für Routenplanung 2. Vorlesung, Sommersemester 2018 Tim Zeitz 2. April 2018 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen 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
MehrSchnelle und genaue Routenplanung
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
MehrAlgorithmen für Routenplanung 1. Vorlesung, Sommersemester 2018 Tim Zeitz 17. April 2018
Algorithmen für Routenplanung. Vorlesung, Sommersemester 08 Tim Zeitz 7. April 08 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen I. Prof. Jörn Müller-Quade Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?
Algorithmen I Prof. Jörn Müller-Quade 19.6.1 Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?id=99 (Folien von Peter Sanders) KIT Institut für Theoretische Informatik 1 Organisatorisches
MehrAlgorithmen 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
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 03.12.2013 Algorithmische Geometrie: Schnitte von Strecken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrSchnelle 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
MehrAlgorithmen für Routenplanung 7. Vorlesung, Sommersemester 2012 Daniel Delling 16. Mai 2012
Algorithmen für Routenplanung 7. Vorlesung, Sommersemester 01 Daniel Delling MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 6. Vorlesung, Sommersemester 00 Reinhard Bauer 09. Mai 0 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrHeute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition
Heute Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben (Teil ) Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Markus Völker
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrAlgorithmen für Routenplanung 12. Sitzung, Sommersemester 2014 Prof. Christos Zaroliagis 26. Mai 2014
Algorithmen für Routenplanung 12. Sitzung, Sommersemester 2014 Prof. Christos Zaroliagis 26. Mai 2014 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes
MehrKürzeste 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
MehrAlgorithmen für Routenplanung 1. Vorlesung, Sommersemester 2017 Tobias Zündorf 26. April 2017
Algorithmen für Routenplanung. Vorlesung, Sommersemester 07 Tobias Zündorf 6. April 07 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrPraktikum 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
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am..03 Randomisierte Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
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
MehrPraktikum Routenplanung Vorbesprechung, Wintersemester 2016/2017 Moritz Baum, Valentin Buchhold, Ben Strasser, Tobias Zündorf 19.
Praktikum Routenplanung Vorbesprechung, Wintersemester 06/07 Moritz Baum, Valentin Buchhold, Ben Strasser, Tobias Zündorf 9. Oktober 06 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA
MehrName:... Vorname:... Matr.-Nr.:... Studiengang:...
Technische Universität Braunschweig Sommersemester 2011 IBR - Abteilung Algorithmik Prof. Dr. Sándor Fekete Christiane Schmidt Klausur Algorithmen und Datenstrukturen 01.09.2011 Name:.....................................
MehrHeute. Medium Access Control / Färbungen, Teil 2. Kapazität & Scheduling. kurze Wiederholung Schöner verteilter Färbungsalgorithmus
Heute Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Kapazität & Scheduling Interferenz etwas realistischer neue Probleme und Herangehensweisen VL 0 Eine
MehrAlgorithmen für Routenplanung 11. Sitzung, Sommersemester 2013 Julian Dibbelt 10. Juni 2013
Algorithmen für Routenplanung 11. Sitzung, Sommersemester 2013 Julian Dibbelt 10. Juni 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen I - Tutorium 28 Nr. 11
Algorithmen I - Tutorium 28 Nr. 11 13.07.2017: Spaß mit Schnitten, Kreisen und minimalen Spannbäumen Marc Leinweber marc.leinweber@student.kit.edu INSTITUT FÜR THEORETISCHE INFORMATIK (ITI), PROF. DR.
MehrMaximale s t-flüsse in Planaren Graphen
Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen 6. Juni 2017 Guido Brückner INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen für Routenplanung 3. Sitzung, Sommersemester 2010 Thomas Pajor 30. April 2010
Algorithmen für Routenplanung 3. Sitzung, Sommersemester 20 Thomas Pajor 30. April 20 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 24.01.2013 Online Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 17.01.013 Parametrisierte Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
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
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 7. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 07.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 10 (27.5.2016) Binäre Suchbäume II Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.05.2011 Motivation Gegeben eine Position p = (p x, p y )
MehrAlgorithmen 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
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2013/2014 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und
Mehr8.4 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
MehrAlgorithmen für Routenplanung 13. Vorlesung, Sommersemester 2012 Daniel Delling 13. Juni 2012
Algorithmen für Routenplanung 13. Vorlesung, Sommersemester 2012 Daniel Delling 13. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
MehrAlgorithmen für Routenplanung 4. Vorlesung, Sommersemester 2018 Tim Zeitz 30. April 2018
Algorithmen für Routenplanung 4. Vorlesung, Sommersemester 2018 Tim Zeitz 30. April 2018 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrVoronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.06.2014 1 Das Postamt-Problem b(p, q) = {x 2 R 2 : xp = xq } p q h(p, q) h(q, p) = {x
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein
MehrAlgorithmen für Routenplanung 15. Vorlesung, Sommersemester 2017 Tobias Zündorf 5. Juli 2017
Algorithmen für Routenplanung 5. Vorlesung, Sommersemester 7 Tobias Zündorf 5. Juli 7 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Mehr10. 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
MehrFortgeschrittene 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
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
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.04.2014 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrVoronoi Diagrams. Christian Wellenbrock. December 1, 2009
December 1, 2009 Das Voronoi Diagramm Problemstellung Gegeben: Menge der Zentren P = {p 1,..., p n } R 2 Das Voronoi Diagramm Problemstellung Gegeben: Menge der Zentren P = {p 1,..., p n } R 2 Gesucht:
MehrAlgorithmen 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
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrAlgorithmen für Routenplanung 4. Vorlesung, Sommersemester 2017 Moritz Baum 15. Mai 2017
Algorithmen für Routenplanung 4. Vorlesung, Sommersemester 2017 Moritz Baum 15. Mai 2017 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Breitensuche, Tiefensuche Wir besprechen nun zwei grundlegende Verfahren, alle Knoten eines Graphen zu
MehrAlgorithmen 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
Mehr8. A & D - Heapsort. Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können.
8. A & D - Heapsort Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können. Genauer werden wir immer wieder benötigte Operationen durch Datenstrukturen unterstützen.
MehrSichtbarkeitsgraph. Andreas Gemsa Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Sichtbarkeitsgraph LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 19.07.2012 Ablauf Nachtrag Sichtbarkeitsgraph WSPD
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2008/2009 IBR - Abteilung Algorithmik Prof. Dr. Sándor Fekete Tom Kamphans Nils Schweer Klausur Algorithmen und Datenstrukturen 23.02.2009 Name:.....................................
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 20. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 20.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
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
MehrEffizienter Planaritätstest Vorlesung am
Effizienter Planaritätstest Vorlesung am 23.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER Satz Gegebenen einen Graphen G = (V, E) mit n Kanten und m Knoten, kann in O(n + m) Zeit
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
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 16 Programm: Einführung
MehrAlgorithmen 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
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
Mehr