Informatik II, SS 2016
|
|
- Fanny Herta Pfeiffer
- vor 5 Jahren
- Abrufe
Transkript
1 Informatik II - SS 2016 (Algorithmen & Datenstrktren) Vorlesng 12 ( ) Binäre Schbäme IV Fabian Khn Algorithmen nd Komplexität Fabian Khn
2 Rot-Scharz-Bäme Ziel: Binäre Schbäme, elche immer balanciert sind balanciert, intiti: in jedem Teilbam, links & rechts gleich gross balanciert, formal: Teilbam mit k Knoten hat Tiefe O log k Rot-Scharz-Bäme sind binäre Schbäme, für die gilt: 1) Alle Knoten sind rot oder scharz 2) Wrzel ist scharz 3) Blätter (= -Knoten) sind scharz 4) Rote Knoten haben zei scharze Kinder 5) Von jedem Knoten as, haben alle (direkten) Pfade z Blättern () im Teilbam on die gleiche Anzahl scharze Knoten Fabian Khn 2
3 Tiefe / Scharz-Tiefe Definition: Die Tiefe (T) eines Knoten ist die maximale Länge eines direkten Pfades on z einem Blatt (). Definition: Die Scharz-Tiefe (ST) eines Knoten ist die Anzahl scharzer Knoten af jedem direkten Pfad on z einem Blatt () Der Knoten ird dabei nicht gezählt, das Blatt (, falls ) jedoch schon! Fabian Khn 3
4 Tiefe eins Rot-Scharz-Bames Theorem: Die Tiefe eines Rot-Scharz-Bames ist 2 log 2 n + 1. Beeis: Anzahl innerer Knoten : n (alle asser den -Knoten) Lemma: n 2 ST root 1 Fabian Khn 4
5 Rot-Scharz-Bäme: Einfügen insert(x): 1. Einfügen ie üblich, ne eingefügter Knoten ist rot keycolor parent left right if root == then root = ne Node(x,red,,,) else = root; hile!= and.key1!= x do if.key1 >.x then if.left == then = ne Node(x,red,,,);.left = =.left else if.right == then = ne Node(x,red,,,);.right = =.right Fabian Khn 5
6 Rot-Scharz-Bäme: Einfügen Rot-Scharz-Bam Bedingngen nach dem Einfügen 1. Alle Knoten sind rot oder scharz 2. Die Wrzel ist scharz 3. Die Blätter () sind scharz 4. Rote Knoten haben zei scharze Kinder 5. Von jedem Knoten haben alle direkten Pfade z Blättern gleich iele scharze Knoten Falls (eingefügter Knoten) nicht die Wrzel ist oder. parent scharz ist, sind alle Bedingngen erfüllt Falls die Wrzel ist, kann man einfach scharz einfügen Falls. parent rot ist, müssen ir den Bam anpassen so, dass 1, 3 nd 5 immer erfüllt sind dabei kann die Wrzel ach rot erden Fabian Khn 6
7 Erinnerng: Rotationen Rechtsrotation: Linksrotation: Fabian Khn 7
8 Rot-Scharz-Bäme: Einfügen Bam anpassen nach dem Einfügen: Annahmen: ist rot,. parent ist rot (sonst sind ir fertig) ist linkes Kind on (anderer Fall symmetrisch) s Geschisterknoten (rechtes Kind on ) ist scharz Alle roten Knoten asser haben 2 scharze Kinder p p q q Fallnterscheidng anhand on Farbe on q (Geschister on ) nd anhand on = p. left oder = p. right Fabian Khn 8
9 Rot-Scharz-Bäme: Einfügen Fall 1: Geschisterknoten q on ist scharz Fall 1a: = p. left p q 1. right-rotate(p,) p q p q Fabian Khn 9
10 Rot-Scharz-Bäme: Einfügen Fall 1: Geschisterknoten q on ist scharz Fall 1b: = p. right p p q 1. right-rotate(,) q Nach Rotation: symmetrisch z Fall 1a, sind rot, Geschister q is scharz ist rechtes Kind on, ist rechtes Kind on p Alösen drch Fabian Khn left-rotate(p,) nd mfärben 10
11 Rot-Scharz-Bäme: Einfügen Fall 1: Geschisterknoten q on ist scharz Fall 1b: = p. right p p q 1. right-rotate(,) q p 3. mfärben p q q Fabian Khn 11
12 Rot-Scharz-Bäme: Einfügen Fall 2: Geschisterknoten q on ist rot p p q q p mfärben p q q Falls p. parent scharz ist, sind ir fertig das ist ach der Fall, falls p == root (dann noch root. color black) Sonst sind ir im gleichen Fall, ie am Anfang aber näher an der Wrzel! Fabian Khn 12
13 Rot-Scharz-Bäme: Einfügen 1. Füge neen Schlüssel normal ein Knotenfarbe des neen Knoten ist rot 2. Solange man in Fall 2 ist, färbe m Fall 2: roter Knoten mit rotem Parent-Knoten Geschisterknoten on ist ach rot 3. Sobald nicht mehr in Fall 2 Falls es ein Rot-Scharz-Bam ist, sind ir fertig Falls die Wrzel rot ist, mss die Wrzel scharz gefärbt erden Ansonsten ist man in Fall 1a oder 1b (oder symmetrisch) nd kann mit Hilfe on höchstens 2 Rotationen nd Umfärben on 2 Knoten einen Rot- Scharz-Bam erhalten Lafzeit: O Bamtiefe = O(log n) Fabian Khn 13
14 Rot-Scharz-Bäme: Löschen 1. Finde ie üblich einen Knoten, elcher gelöscht ird Knoten hat höchstens ein Nicht--Kind! Fallnterscheidng (Farbe on nd. parent) Annahme: ist linkes Kind on (sonst symmetrisch) Fall 1: Knoten ist rot Da mind. 1 -Kind haben mss nd es ein Rot-Scharz-Bam ist, mss 2 -Kinder haben kann einfach gelöscht erden Der Bam bleibt ein Rot-Scharz-Bam Fabian Khn 14
15 Rot-Scharz-Bäme: Löschen Fall 2: Knoten ist scharz Fall 2a: hat ein (rotes) nicht--kind lösche, färbe scharz Fall 2b: hat nr -Kinder 1. lösche Knoten hat jetzt nach links nr noch Scharz-Tiefe 1 (statt 2) Wir müssen den Bam anpassen Fabian Khn 15
16 Rot-Scharz-Bäme: Löschen Problemfall: Knoten hat nr -Kinder 1. lösche x Wir korrigieren erstmal die Scharz-Tiefe, in dem ir doppelt scharz färben Ziel: Wir möchten das zsätzliche Scharz den Bam hochbringen bis ir es enteder bei einem roten Knoten abladen können oder bis ir die Wrzel erreichen (nd damit kein Problem mehr haben). Fallnterscheidng: Farbe on nd der Kinder on Beobachtng: kann nicht sein (egen Scharz-Tiefe)! Fabian Khn 16
17 Rot-Scharz-Bäme: Löschen Annahme: Doppelt scharzer Knoten x Parent hat beliebige Farbe (markiert als grün) x ist linkes Kind on (rechtes Kind: symmetrisch) Geschisterknoten on x (rechtes Kind on ) ist Fallnterscheidng: Fall A: ist scharz, Fall B: ist rot Fall A.1 Fall A.3 x x a b Fall A.2 a b Fall B x x a b a b Fabian Khn 17
18 Rot-Scharz-Bäme: Löschen Fall A.1: ist scharz, rechtes Kind on ist rot x 1. left-rotate(,) b a b x a b x a Fabian Khn 18
19 Rot-Scharz-Bäme: Löschen Fall A.2: ist scharz, l. Kind on ist rot, r. Kind ist scharz x 1. right-rotate(,a) x a a b b x a b Jetzt sind ir ieder in Fall A.1 (a übernimmt Rolle on ) left-rotate(, a) nd mfärben eliminiert Doppelscharz Fabian Khn 19
20 Rot-Scharz-Bäme: Löschen Fall A.3: ist scharz, beide Kinder on sind scharz x 1. mfärben x a b a b Das zsätzliche Scharz andert eins nach oben Falls rot ist, kann man jetzt einfach scharz färben Knoten übernimmt sonst die Rolle on x nd kann ieder in einem der Fälle A.1, A.2, A.3 oder B (siehe nächste Folie) sein. Fall A.3 kann höchstens O(log n) oft orkommen Falls == root, können ir das zsätzliche Scharz einfach entfernen Bei Fall A.1 nd A.2 sind ir direkt fertig Fabian Khn 20
21 Rot-Scharz-Bäme: Löschen Fall B: ist rot x 1. left-rotate(,) b a b x a b Jetzt sind ir in Fall A.1, A.2 oder A.3 x a Bei A.1 oder A.2 sind ir in O 1 Zeit fertig Bei A.3 sind ir ach in O(1) Zeit fertig, eil jetzt rot ist! Fabian Khn 21
22 Rot-Scharz-Bäme: Löschen 1. Wie üblich Finde Knoten mit mind. 1 -Kind, elcher gelöscht erden kann ist etl. Vorgänger/Nachfolger on Knoten mit z löschendem Schlüssel 2. Falls der gelöschte Knoten scharz ist, mss man korrigieren Es hat einen scharzen Knoten x mit zsätzlichem Scharz 3. Mögliche Fälle: A.1, A.2, A.3, B Fall A.1: Mit 1 Rotation nd Umfärben on O 1 Knoten fertig Fall A.2: Mit 1 Rotation nd Umfärben on O(1) Knoten in Fall A.1 Fall A.3: Falls x. parent rot ist, mit Umfärben on O(1) Knoten fertig, falls x. parent scharz ist, andert zsätzliches Scharz Richtng Wrzel nd man ist ist ieder in A.1, A.2, A.3 oder B Fall B : 1 Rotation nd Umfärben on O 1 Knoten gibt A.1, A.2 oder A.3, Falls A.3, dann ist x. parent rot Lafzeit: O Bamtiefe = O(log n) Fabian Khn 22
23 AVL Bäme Siehe z.b. Bch on Ottmann/Widmayer Direkte Alternatie z Rot-Scharz-Bämen AVL Bäme sind binäre Schbäme, bei elchem für jeden Knoten gilt, dass T. left T. right 1 Anstatt einer Farbe (rot/scharz) merkt man sich die Tiefe jedes Teilbams AVL Bäme haben ach immer Tiefe O log n Sogar mit etas besserer Konstante als Rot-Scharz-Bäme AVL-Bedingng kann bei insert/delete jeeils mit O(log n) Rotationen ieder hergestellt erden Vergleich z Rot-Scharzbämen Sche ist in AVL Bämen etas schneller Einfügen / Löschen ist in AVL Bämen etas langsamer Fabian Khn 23
24 (a, b)-bäme Siehe z.b. Vorlesng om letzten Jahr Parameter a 2 nd b 2a 1 Elemente/Schlüssel sind nr in den Blättern gespeichert Alle Blätter sind in der gleichen Tiefe Falls die Wrzel kein Blatt ist, hat sie zischen 2 nd b Kinder Alle anderen inneren Knoten haben zischen a nd b Kinder Ein a, b -Bam ist also kein Binärbam! Ähnlich: B-Bäme Da erden in den inneren Knoten Schlüssel gespeichert Für grosse a, b bracht man etas mehr Speicher als bei BST Da man meistens gleich für b Elemente Platz macht Dafür sind die Bäme iel flacher Speziell gt z.b. für Dateisysteme (Zgriff sehr teer) Fabian Khn 24
25 Weitere Alternatien AA-Trees: ähnlich ie Rot-Scharz-Bäme (nr rechte Kinder können rot sein) Splay Trees: Binäre Schbam mit zsätzlichen gten Eigenschaften Elemente, af elche kürzlich zgegriffen rde, sind eiter oben Gt, falls mehrere Knoten den gleichen Schlüssel haben können Allerdings nicht streng balanciert Skip Lists: Verkettete Listen mit zsätzlichen Abkürzngen kein balancierter Schbam, hat aber ähnliche Eigenschaften (pictre from ikipedia) Fabian Khn 25
26 Praktische Übngsafgabe Programmieren eines Treaps: Wir stellen eine Binary Search Tree Implementierng zr Verfügng, elche Sie dann anpassen sollen Sie können enteder die Klasse ereitern oder einfach den gegebenen Programmcode ergänzen, m einen Treap z erhalten Operationen: insert, delete, find (+ triiale Op.) Zsätzlich: agdepth (gibt drchschnittliche Knotentiefe zrück) BFS range qery (gibt alle Schlüssel in einem Bereich [a,b] in BFS- Reihenfolge as) Fabian Khn 26
27 Graph Graph G = (V, E): Knotenmenge V nd Kantenmenge E Beispiele: Fabian Khn 27
28 Graph: Notation Knotenmenge V, typischereise n V Kantenmenge E, typischereise m E ngerichteter Graph: E,, V gerichteter Graph: E V V Beispiele: Fabian Khn 28
29 Knotengrade Graph G = (V, E) ngerichtet: Grad eines Knoten V: Anzahl Kanten (Nachbarn) on deg,, E Graph G = (V, E) gerichted: Eingangsgrad eines Knoten V: Anzahl eingehende Kanten deg in (),, E Asgangsgrad eines Knoten V: Anzahl asgehende Kanten deg ot (),, E Fabian Khn 29
30 Pfade Pfade in einem Graph G = (V, E) Ein Pfad in G ist eine Folge 1, 2,, k V mit gerichteter Graph: i, i+1 E für alle i {1,, k 1} ngerichteter Graph: i, i+1 E für alle i {1,, k 1} Länge eines Pfades (z. T. ach Kosten eines Pfades) ohne Kantengeichte: Anzahl der Kanten mit Kantengeichten: Smme der Kantengeichte Kürzester Pfad (shortest path) zischen Knoten nd Pfad,, mit kleinster Länge Distanz d, : Länge eines kürzesten Pfades zischen nd Drchmesser D max d(, ), V Länge des längsten kürzesten Pfades Fabian Khn 30
31 Beispiele: Pfade, Distanzen, Drchmesser Ungerichteter Graph Fabian Khn 31
32 Beispiele: Pfade, Distanzen, Drchmesser Gerichteter Graph Fabian Khn 32
Informatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrktren) Vorlesng 11 (30.5.2018) Binäre Schbäme III Fabian Khn Algorithmen nd Komplexität Fabian Khn Bemerkngen z den Übngen Hete m 8:15 hat ein Ttorat stattgefnden.
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 13 (18.6.2014) Binäre Suchbäume IV (Rot Schwarz Bäume) Algorithmen und Komplexität Rot Schwarz Bäume Ziel: Binäre Suchbäume, welche immer
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 11 (1.6.2016) Binäre Suchbäume III Algorithmen und Komplexität Tiefe eines binären Suchbaums Worst-Case Laufzeit der Operationen in binären
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 10 (28.5.2018) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 10 (3.6.2014) Binäre Suchbäume I Algorithmen und Komplexität Zusätzliche Dictionary Operationen Dictionary: Zusätzliche mögliche Operationen:
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
Mehrelementare Datenstrukturen
elementare Datenstrukturen Wie die Daten das Laufen lernten Andreas Ferber af@myipv6.de elementare Datenstrukturen p./40 KISS elementare Datenstrukturen p./40 KISS (Keep It Simple, Stupid) Immer die einfachste
MehrAlgorithmen und Datenstrukturen 2. Dynamische Datenstrukturen
Algorithmen und Datenstrukturen 2 Dynamische Datenstrukturen Algorithmen für dynamische Datenstrukturen Zugriff auf Variable und Felder durch einen Ausdruck: Namen durch feste Adressen referenziert Anzahl
MehrUmstrukturierung durch Rotationen
Umstrukturierung durch Rotationen (Folie 109, Seite 52 im Skript) P P T A A D B T B C C D Eine Rechtsrotation um T. Die Suchbaumeigenschaft bleibt erhalten. B, C, D können nur aus externen Knoten bestehen.
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:
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrDynamische Mengen. Realisierungen durch Bäume
Dynamische Mengen Eine dynamische Menge ist eine Datenstruktur, die eine Menge von Objekten verwaltet. Jedes Objekt x trägt einen eindeutigen Schlüssel key[x]. Die Datenstruktur soll mindestens die folgenden
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 13 (8.6.2016) Graphenalgorithmen I Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrVL-11: Rot-Schwarz Bäume. (Datenstrukturen und Algorithmen, SS 2017) Janosch Fuchs
VL-11: Rot-Schwarz Bäume (Datenstrukturen und Algorithmen, SS 2017) Janosch Fuchs SS 2017, RWTH DSAL/SS 2017 VL-11: Rot-Schwarz Bäume 1/41 Organisatorisches Vorlesung: Gerhard Woeginger (Zimmer 4024 im
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 13. April 2018 1 Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrInformatik II: Algorithmen und Datenstrukturen SS 2015
Informatik II: Algorithmen und Datenstrukturen SS 2015 Vorlesung 8b, Mittwoch, 17. Juni 2015 (Balancierte Suchbäume) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen Institut für Informatik
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B7.1 Einführung. B Bäume. B7.3 Rot-Schwarz Bäume.
B7. Balancierte Bäume a B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel a Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
MehrBinäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
MehrInformatik II, SS 2016
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 12 (4.6.2018) Graphenalgorithmen I Yannic Maus Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrAlgorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B7.1 Einführung. B Bäume. B7.3 Rot-Schwarz Bäume
B7. Balancierte Bäume a B7. Balancierte Bäume 1 Marcel Lüthi and Gabriele Röger Universität Basel a Folien basieren auf Vorlesungsfolien von Sedgewick & Wayne https://algs4.cs.princeton.edu/lectures/33balancedsearchtrees-2x2.pdf
MehrInformatik II Bäume zum effizienten Information Retrieval
lausthal Informatik II Bäume zum effizienten Information Retrieval. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Binäre Suchbäume (binary search tree, BST) Speichere wieder Daten als "Schlüssel
Mehr3.6 AVL-Bäume. (AVL = Adel son-velskii und Landis (1962)) . Seite 326/726
3.6 VL-Bäume (VL = del son-velskii und Landis (1962)) 2-3-Bäume... sind Basis der B-Bäume, sind gut auf eitere Operationen ereiterbar (SPLIT, CONCTENTE), haben Worstcase-Zeiten on O(log n), aber sie nuten
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
MehrChristian Rieck, Arne Schmidt
Institute of Operating Systems and Computer Networks Algorithms Group Algorithmen und Datenstrukturen Wintersemester 207/208 Übung#5, 2.2.207 Christian Rieck, Arne Schmidt Bäume Satz Jeder gerichtete Baum
Mehr14. Rot-Schwarz-Bäume
Bislang: Wörterbuchoperationen bei binären Suchbäume effizient durchführbar, falls Höhe des Baums klein. Rot-Schwarz-Bäume spezielle Suchbäume. Rot-Schwarz-Baum mit n Knoten hat Höhe höchstens 2 log(n+1).
MehrLiteratur: Kapitel 2.1 des Skripts Rot-Schwarz-Bäume Kapitel 2.2 des Skripts Treaps Cormen. Kapitel 13, Red-Black-Trees
Algorithmische Anwendungen WS 2006/2007 Praktikum 3: Aufgabe 1: Einfügen eines Knotens ist einen Rot-Schwarz-Baum Aufgabe 2: Erklärungen für die Beobachtungen auf Folie 2.1/67 Aufgabe 3: Zeige wie RB-DELETE-FIXUP
MehrÜbersicht. Rot-schwarz Bäume. Rot-schwarz Bäume. Beispiel. Eigenschaften. Datenstrukturen & Algorithmen. Rot-schwarz Bäume Eigenschaften Einfügen
Datenstrukturen & Algorithmen Übersicht Rot-schwarz Bäume Eigenschaften Einfügen Matthias Zwicker Universität Bern Frühling 2009 2 Rot-schwarz Bäume Binäre Suchbäume sind nur effizient wenn Höhe des Baumes
MehrMengen. Binäre Suchbäume. Mengen: Anwendungen (II) Mengen: Lösung mit Listen 12/3/12. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
// Mengen Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps n Ziel: ufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: n eines Elements n eines Elements
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Sortierte Folgen Maike Buchin 30.5., 1.6., 13.6.2017 Sortierte Folgen Häufiges Szenario: in einer Menge von Objekten mit Schlüsseln (aus geordnetem Universum) sollen Elemente
Mehr4 Tiefensuche in gerichteten Graphen
43 4 Tiefensche in gerichteten Graphen Wir betrachten znächst das folgende Beispiel. Beispiel 4.1: 1/ / / 1/ 2/ / 1/ 2/ / 1/ 2/ / / / x / / / / y z x y z x y z x y (a) (b) (c) (d) / 3/ / 4/ 3/ / z 1/ 2/
MehrRandomisierte Datenstrukturen
Seminar über Algorithmen DozentInnen: Helmut Alt, Claudia Klost Randomisierte Datenstrukturen Ralph Schäfermeier 13. 2. 2007 Das Verwalten von Mengen, so dass ein schneller Zugriff auf deren Elemente gewährleistet
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,
MehrAlgorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II und Red-Black-Trees Dr. Georg Sauthoff 1 AG Praktische Informatik July 1, SoSe 2011 1 gsauthof@techfak.uni-bielefeld.de Suchbäume (Indexdatenstrukturen) Zugriff in O(logn)
MehrPlanaritätstest von Boyer und Myrvold
Planaritätstest on Boer nd Mrold A I E D C G H J F H K 0..8 Überblick Planare Graphen, Zeichnngen nd Rotationsssteme Algorithms on Boer-Mrold, Walkp, Walkdon Korrektheit Lafzeit O(n) Folgerngen 0..8 Planare
MehrTutoraufgabe 1 (Vollständige Induktion):
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Tutoriumslösung - Übung 5 (Abgabe..0) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe 1 (Vollständige Induktion):
MehrAnwendungsbeispiel MinHeap
Anwendungsbeispiel MinHeap Uns seien n ganze Zahlen gegeben und wir möchten darin die k größten Zahlen bestimmen; zudem gelten, dass n deutlich größer als k ist Wir können das Problem mit Laufzeit in O(n
MehrDefinition 14 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt:
2.1.2 Rot-Schwarz-Bäume Definition 14 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt: 1 alle Blätter hängen an schwarzen Kanten
MehrEinfache binäre Suchbäume können entarten, so dass sich die Tiefen ihrer Blattknoten stark unterscheiden
5.6.2 AVL-Bäume Einfache binäre Suchbäume können entarten, so dass sich die Tiefen ihrer Blattknoten stark unterscheiden AVL-Bäume, benannt nach ihren Erfindern G. M. Adelson- Velskii und E. M. Landis,
MehrProgrammiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zr Visalisierng on Graphen Flssmethoden nd Einbettngsprobleme Vorlesng im Wintersemester 2011/2012 16.11.2011 Winkelaflösng in geradlinigen Layots Konstrktion des Flssnetzerks W := V F Konstrktion
MehrAlgorithmentheorie Treaps
Algorithentheorie 04 - Treaps Prof. Dr. S. Albers Das Wörterbuch-Proble Gegeben: Universu (U,
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 217 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda: Graphen, Suchbäume, AVL Bäume Heute: Graphen und Bäume Binäre Suchbäume AVL-Bäume Nächste
MehrSplay-Bäume. Joseph Schröer. Seminar über Algorithmen SoSe 2011, Prof. Dr. Helmut Alt
Splay-Bäume Joseph Schröer Seminar über Algorithmen SoSe 2011 Prof. Dr. Helmut Alt Einordnung Splay-Baum (engl. Splay Tree) Selbstanpassender binärer Suchbaum Engl. (to) splay spreizen wegstrecken weiten
MehrÜbersicht. Einfache Suche. Hashing Skip-Lists Mengen Sortieren Order-Statistics. 2 Suchen und Sortieren
Übersicht Einfache Suche Hashing Skip-Lists Mengen Sortieren Order-Statistics (Folie 6, Seite 37 im Skript) 5 6 1 4 Als assoziatives Array geeignet Schlüssel aus geordneter Menge Linke Kinder kleiner,
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 und Datenstrukturen. Bäume. M. Herpers, Y. Jung, P. Klingebiel
Algorithmen und Datenstrukturen Bäume M. Herpers, Y. Jung, P. Klingebiel 1 Lernziele Baumstrukturen und Ihre Verwendung kennen Grundbegriffe zu Bäumen anwenden können Baumstruktur in C anlegen können Suchbäume
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 16. Vorlesung Rot-Schwarz-Bäume Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Dynamische Menge verwaltet Elemente einer sich ändernden Menge
MehrBalancierte Bäume. Minimale Knotenanzahl von AVL-Bäumen. AVL-Bäume. Definition für "balanciert":
Balancierte Bäume Aufwand, ein Element zu finden, entspricht der Tiefe des gefundenen Knotens im worst case = Tiefe des Baumes liegt zwischen log N und N Definition für "balanciert": es gibt verschiedene
Mehr2 i. i=0. und beweisen Sie mittels eines geeigneten Verfahrens die Korrektheit der geschlossenen Form.
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Vollständige Induktion): Finden Sie eine geschlossene Form für die
MehrINSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales 7.
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
Mehr9. Natürliche Suchbäume
Bäume Bäume sind. Natürliche Suchbäume [Ottman/Widmayer, Kap..1, Cormen et al, Kap. 12.1-12.] Verallgemeinerte Listen: Knoten können mehrere Nachfolger haben Spezielle Graphen: Graphen bestehen aus Knoten
MehrKomplexität eines Algorithmus, Grössenordnung, Landau-Symbole, Beispiel einer Komplexitätsberechnung (Mergesort) 7. KOMPLEXITÄT
Komplexität eines Algorithmus, Grössenordnung, Landau-Symbole, Beispiel einer Komplexitätsberechnung (Mergesort) 7. KOMPLEXITÄT Komplexität eines Algorithmus Algorithmen verbrauchen Ressourcen Rechenzeit
MehrTheoretische Informatik I
Theoretische Informatik I cript zr Vorlesng om 090620000 Angefertigt on: Matrikel-Nr: 702781 Woraf rde in dieser Vorlesng eingegangen? 1 Eingehen af die orherigen Vorlesng 1 2 ystematische Konstrktion
Mehr2. 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
Mehr3. Binäre Suchbäume. 3.1 Natürliche binäre Suchbäume. EADS 3.1 Natürliche binäre Suchbäume 78/598 ľernst W. Mayr
3. Binäre Suchbäume 3.1 Natürliche binäre Suchbäume Definition 18 Ein natürlicher binärer Suchbaum über einem durch total geordneten Universum U ist ein als interner Suchbaum organisierter Binärbaum (also:
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 15b (13.06.2018) Graphenalgorithmen IV Algorithmen und Komplexität Prims MST-Algorithmus A = while A ist kein Spannbaum do e = u, v ist
MehrB6.1 Introduction. Algorithmen und Datenstrukturen. Algorithmen und Datenstrukturen. B6.1 Introduction. B6.3 Analyse. B6.4 Ordnungsbasierte Methoden
Algorithmen und Datenstrukturen 11. April 2018 B6. Binäre Suchbäume a Algorithmen und Datenstrukturen B6. Binäre Suchbäume 1 Marcel Lüthi and Gabriele Röger Universität Basel 11. April 2018 a Folien basieren
MehrKap. 4.2 Binäre Suchbäume ff Kap. 4.3: AVL-Bäume
Kap. 4.2 Binäre Suchbäume ff Kap. 4.3: AVL-Bäume Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 12./13. VO DAP2 SS 2009 28.5./2.6.2009 1 Motivation Warum soll
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,
MehrMehrwegbäume Motivation
Mehrwegbäume Motivation Wir haben gute Strukturen (AVL-Bäume) kennen gelernt, die die Anzahl der Operationen begrenzen Was ist, wenn der Baum zu groß für den Hauptspeicher ist? Externe Datenspeicherung
MehrAlgorithmen und Datenstrukturen Suchbaum
Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen
Mehr18. Natürliche Suchbäume
Wörterbuchimplementationen 1. Natürliche Suchbäume [Ottman/Widmayer, Kap..1, Cormen et al, Kap. 12.1-12.] Hashing: Implementierung von Wörterbüchern mit erwartet sehr schnellen Zugriffszeiten. Nachteile
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
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
MehrDatenstrukturen und Algorithmen. Vorlesung 14
Datenstrukturen und Algorithmen Vorlesung 14 Inhaltsverzeichnis Vorige Woche: Binäre Suchbäume AVL Bäume Heute betrachten wir: AVL Bäume Prüfung AVL Bäume Definition: Ein AVL (Adelson-Velskii Landis) Baum
MehrEinführung Elementare Datenstrukturen. Der Konstruktor muß den Listenkopf head erzeugen. Der Vorgänger und Nachfolger von head ist head selbst.
Einführung Elementare Datenstrukturen (Folie 28, Seite 15 im Skript) Der Konstruktor muß den Listenkopf head erzeugen. Der Vorgänger und Nachfolger von head ist head selbst. Einführung Elementare Datenstrukturen
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 11, Donnerstag, 15.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 11, Donnerstag, 15. Januar 2015 (Balancierte Suchbäume) Junior-Prof. Dr. Olaf Ronneberger
MehrSuchen und Sortieren Binäre Suchbäume
Löschen (Folie 63, Seite 34 im Skript) In der Klasse Searchtree K, : Java public void delete(k k) { if(root == null) return; if(root.left == null && root.right == null && root.key == k) root = null; else
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,
MehrDefinition 15 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt:
2.2 Rot-Schwarz-Bäume Definition 15 Rot-Schwarz-Bäume sind externe Binäräume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt: 1 alle Blätter hängen an schwarzen Kanten (durchgezogene
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2017 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda: Kürzeste Wege, Heaps, Hashing Heute: Kürzeste Wege: Dijkstra Heaps: Binäre Min-Heaps Hashing:
MehrInformatik II Vorlesung am D-BAUG der ETH Zürich
Informatik II Vorlesung am D-BAUG der ETH Zürich Vorlesung 9, 2.5.2016 [Nachtrag zu Vorlesung : Numerische Integration, Zusammenfassung Objektorientierte Programmierung] Dynamische Datenstrukturen II:
MehrVorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage
Mehr2.7 Bucket-Sort Bucket-Sort ist ein nicht-vergleichsbasiertes Sortierverfahren. Hier können z.b. n Schlüssel aus
2.7 Bucket-Sort Bucket-Sort ist ein nicht-vergleichsbasiertes Sortierverfahren. Hier können z.b. n Schlüssel aus {0, 1,..., B 1} d in Zeit O(d(n + B)) sortiert werden, indem sie zuerst gemäß dem letzten
MehrÜbung Algorithmen I
Übung Algorithmen I.6.5 Christoph Striecks Christoph.Striecks@kit.edu (Mit Folien von Julian Arz, Timo Bingmann und Sebastian Schlag.) Roadmap Hinweise zur Übungsklausur (Weitere) Traversierungen von Binärbäumen
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 - Balancierte Bäume, AVL-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrSuchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 156, Seite 56 im Skript) Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die letzte Ebene vollständig besetzt ist,
MehrVereinfachen wir diese Rekursionsgleichung zunächst: E ˆT n = 1 n. = 1 n
Problem: E(max{X, Y }) E(X ) + E(Y ) korrekt, aber zu ungenau. (Folie 83, Seite 41 im Skript) E(max{X, Y }) max{e(x ), E(Y )} genau genug, aber zu unkorrekt. Führe neue Zufallsvariablen ein: ˆT n = 2 Tn,
Mehr7 Weitere Baumstrukturen und Heapstrukturen
7 Weitere Baumstrukturen und Heapstrukturen Man kann kurze Suchzeiten in Baumstrukturen erreichen durch Rebalancierung bei Einfügungen und Löschungen (AVL Bäume, gewichtsbalancierte Bäume, Bruderbäume,
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
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.
MehrKap. 4.7 Skiplisten. 14./15. VO DAP2 SS /16. Juni 2009
Kap. 4.7 Skiplisten Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 14./15. VO DAP2 SS 2008 9./16. Juni 2009 1 2. Übungstest Termin: Di 16. Juni 2009 im AudiMax,
MehrBinäre Suchbäume. Organisatorisches. VL-10: Binäre Suchbäume. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger.
Organisatorisches VL-10: inäre Suchbäume (Datenstrukturen und lgorithmen, SS 17) Gerhard Woeginger Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Sprechstunde: Mittwoch 11: 12:00 Übungen: Tim Hartmann,
MehrDatenstrukturen und Algorithmen SS17 Lösung - Übung 5
Prof. aa Dr. Ir. G. Woeginger T. Hartmann, D. Korzeniewski, B. Tauer Hausaufgabe (Inorder-Traversierung binärer Suchbäume): (3 + 3 Punkte) Es soll bewiesen werden, dass die Inorder-Traversierung alle Schlüssel
MehrDatenstrukturen Teil 3. Traversierung und AVL- Bäume. Traversierung. Traversierung. Traversierung
Traversierung Datenstrukturen Teil 3 Traversierung und AVL- Bäume Traversierung: bezeichnet verschiede Verfahren einer Routenbestimmung durch baumförmige Graphen Dabei wird jeder Knoten und jede Kante
MehrDatenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrNatürliche Bäume. (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun. Letzte Änderung: :16. Natürliche Bäume 1/16
Natürliche Bäume (Algorithmen und Datenstrukturen I) Prof. Dr. Oliver Braun Letzte Änderung: 18.03.2018 18:16 Natürliche Bäume 1/16 Bäume Begriffe (1/2) Bäume sind verallgemeinerte Listenstrukturen ein
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (22 - AVL-Bäume: Entfernen) Prof. Dr. Susanne Albers Definition von AVL-Bäumen Definition: Ein binärer Suchbaum heißt AVL-Baum oder höhenbalanziert,
MehrZweizusammenhang und starker Zusammenhang
.. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk
MehrBalancierte Suchbäume
Foliensatz 10 Michael Brinkmeier echnische Universität Ilmenau Institut für heoretische Informatik Sommersemester 2009 U Ilmenau Seite 1 / 74 Balancierte Suchbäume U Ilmenau Seite 2 / 74 Balancierte Suchbäume
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,
Mehr