Algorithmische Graphentheorie
|
|
- Helmut Sommer
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April /96
2 WIEDERHOLUNG Eulersche Graphen Durch jede Kante genau einmal! Hamiltonsche Graphen Durch jeden Knoten genau einmal! 2/96
3 WIEDERHOLUNG EULERSCHE GRAPHEN: SATZ VON EULER Es sei G = (V, E) ein Graph. G hat einen eulerschen Weg gdw. G bis auf isolierte Knoten zusammenhängend ist und für die Zahl u der Knoten mit ungeradem Grad gilt: u = 0 oder u = 2. Die Existenz eines Eulerkreises ist äquivalent mit u = 0. 3/96
4 ALGORITHMUS VON HIERHOLZER 4/96
5 ALGORITHMUS VON FLEURY 5/96
6 BEISPIEL Starte in F und finde eine Rundreise nach C. 6/96
7 BEISPIEL Reise von C nach D. Genau so gut hätten wir von C nach A oder E wählen können. 7/96
8 BEISPIEL Reise von D nach A. Genau so gut hätten wir B wählen können, aber nicht F weil DF eine Brücke ist. 8/96
9 BEISPIEL Reise von A nach C. Genau so gut hätten wir nach E reisen können, aber nicht nach B, weil AB eine Brücke ist. 9/96
10 BEISPIEL Reise von C nach E. 10/96
11 BEISPIEL 11/96
12 BEISPIEL 12/96
13 BEISPIEL 13/96
14 EULERSCHE WEGE MIT FLEURY 14/96
15 START Der Graph hat zwei Knoten von ungeradem Grad, E und J. Wir wählen J als Startknoten. 15/96
16 SCHRITT 1 Von J ausgehend, haben wir 5 Möglichkeiten: A, B, K, H, I. Wir wählen K. Entferne JK in der Kopie 1 und markiere JK mit 1 in Kopie 2. 16/96
17 SCHRITT 2 Aus K haben wir drei Möglichkeiten: B, L, H. Wähle z.b. den Knoten B. Entferne Kante KB aus Kopie 1 und markiere diese Kante mit 2 in Kopie 2. 17/96
18 SCHRITT 3 Aus B haben wir weitere drei Möglichkeiten: A, C, J. Wähle z.b. C. Entferne die Kante BC aus Kopie 1 und markiere diese Kante mit 3 in Kopie 2. 18/96
19 SCHRITT 4 Aus C stehen zur Auswahl die Knoten D, E, L. Wähle L. Entferne und markiere die Kante CL. 19/96
20 SCHRITT 5 Aus L stehen zur Auswahl die Knoten E, G, K. Wähle z.b. den Knoten K. Entferne und markiere die Kante LK. 20/96
21 SCHRITT 6 Aus K steht nur H zur Auswahl. Entferne und markiere die Kante KH. 21/96
22 SCHRITT 7 Aus H stehen die Knoten G, I, J zur Auswahl. G ist aber eine schlechte Wahl, da HG eine Brücke ist. Wähle z.b. J. Entferne und markiere die Kante HJ. 22/96
23 SCHRITT 2 Aus J stehen die Knoten A, B, I zur Auswahl. JI ist eine Brücke, also entfällt I. Wähle z.b. B. Entferne und markiere die Kante JB. 23/96
24 SCHRITT 9-13 Jedes mal steht nur ein Knoten zur Auswahl. Aus B gehen wir nach A, dann nach J, I, H und G. 24/96
25 SCHRITT usw... die restlichen Schritte sind: G, F, E, D, C, E, G, L, E. Es gibt hunderte von Euler-Wege... 25/96
26 EULER KREISE UND WEGE Es ist immer möglich einen eulerschen Weg oder einen eulerschen Kreis zu finden, indem wir einfach mehr Kanten einfügen. 26/96
27 LEGALE KANTEN Definition Das Einfügen einer neuen Kante in einem Graph ist legal, falls die verbundenen Knoten bereits durch eine andere Kante verbunden sind. Beispiel Beginnend mit dem ersten Graphen, fügen wir zuerst eine legale und danach eine illegale Kante ein. Bemerkung Wenn wir legale Kanten einfügen müssen, wollen wir deren Anzahl so gering wie nur möglich zu halten! 27/96
28 EULERISIERUNG UND HALB-EULERISIERUNG Definition Das Prozess des Einfügens von legalen Kanten in einem Graph, so dass Ein Euler-Kreis existiert, heißt Eulerisierung des Graphen. Ein Euler-Weg existiert, heißt Halb-Eulerisierung des Graphen. Falls ein Graph nicht eulersch ist, dann Eulerisierung und Halb-Eulerisierung sind IMMER möglich. Für die Eulerisierung werden alle Kanten verdoppelt. Für die Halb-Eulerisierung werden fast alle Kanten verdoppelt. Dieser Prozess ist nicht optimal! 28/96
29 EULERISIERUNG: BEISPIEL Ein Schneepflug muss den Schnee von den Straßen entfernen. Wie kann man diesen Prozess effizient gestalten? Schritt 1 Berechne den Grad aller Knoten. 29/96
30 EULERISIERUNG: BEISPIEL Schritt 2 Bilde Knotenpaare von ungeradem Grad, so dass sie möglichst nah aneinander liegen. 30/96
31 EULERISIERUNG: BEISPIEL Jedes Paar ist anders gefärbt. Wir können die Farben mit P 1, P 2,... bezeichnen. Schritt 3 Füge nun Kanten um die Knoten zu verbinden. Es kann sein, dass die Verbindung durch einen Zwischenknoten laufen muss. 31/96
32 EULERISIERUNG: BEISPIEL Es existieren keine neue Verbindungen, weil diese neuen Straßen, die nicht existieren, entsprechen würden. Schritt 4 Im letzten Schritt müssen wir überprüfen, dass wie eine minimale Anzahl von neuen Kanten benutzt haben. Dies ist aber eine knifflige Angelegenheit. Für dieses Beispiel, haben wir vier neue Kanten eingefügt um den Graphen zu eulerisieren. Der Schneepflug muss also vier Straßen zweimal besuchen. 32/96
33 HALB-EULERISIERUNG: BEISPIEL Schritt 1 Berechne den Grad aller Knoten Schritt 2 Bilde Knotenpaare von ungeradem Grad, so dass sie möglichst nah aneinander liegen. 33/96
34 HALB-EULERISIERUNG: BEISPIEL Schritt 3 Füge neue Kanten ein, um einige der Knotenpaare zu verbinden. Für einen Euler-Weg brauchen wir genau zwei Knoten von ungeradem Grad! 34/96
35 HALB-EULERISIERUNG: BEISPIEL Es existieren keine neue Verbindungen, weil diese neuen Straßen, die nicht existieren, entsprechen würden. Schritt 4 Die rot markierten Knoten wurden nicht verbunden. In diesem Beispiel haben wir zwei neue Kanten gebraucht um den Graphen zu halb-eulerisieren. 35/96
36 EULERISIERUNG: BEISPIEL (2) 36/96
37 EULERISIERUNG: BEISPIEL (2) 37/96
38 EULERISIERUNG: BEISPIEL (2) 38/96
39 EULERISIERUNG: BEISPIEL (2) 39/96
40 EULERISIERUNG: BEISPIEL (3) 40/96
41 EULERISIERUNG: BEISPIEL (3) 41/96
42 EULERISIERUNG: BEISPIEL (3) 42/96
43 EULERISIERUNG: BEISPIEL (3) 43/96
44 HAMILTONSCHE GRAPHEN 44/96
45 CHARAKTERISIERUNG VON HAMILTONSCHEN GRAPHEN Satz Es sei G = (V, E) ein Graph mit n := V 3. Gilt v V. deg(v) n/2, dann ist G hamiltonsch. 45/96
46 BEMERKUNG In gewichteten Graphen kann man zusätzlich die Frage nach einem kürzesten Hamilton Kreis stellen. Im Gegensatz zur Bestimmung von Euler-Kreisen und -Wegen ist die Bestimmung von Hamilton-Kreisen oder -Wegen ungleich schwerer und es gibt keine schöne Charakterisierung von hamiltonschen Graphen. Obwohl die Hamilton-Kreise und Euler-Kreise verwandt zu sein scheinen, gibt es hier keinen Zusammenhang Das Entscheidungsproblem, ob ein Graph G hamiltonsch ist (HC), ist NP-vollständig. 46/96
47 ZUSAMMENFASSUNG Es gibt Graphen, die weder Hamilton-Wege, noch Hamilton-Kreise besitzen. Es gibt Graphen, die Hamilton-Wege aber keine Hamilton-Kreise besitzen. Jeder Graph, der ein Hamilton-Kreis besitzt, hat auch Hamilton-Wege. Weshalb? 47/96
48 ZUSAMMENFASSUNG Es gibt Graphen, die weder Hamilton-Wege, noch Hamilton-Kreise besitzen. Es gibt Graphen, die Hamilton-Wege aber keine Hamilton-Kreise besitzen. Jeder Graph, der ein Hamilton-Kreis besitzt, hat auch Hamilton-Wege. Weshalb? Es gibt Hamilton-Wege, die nicht durch zerspalten von Hamilton-Kreise entstehen. Gegeben ein Hamilton-Weg oder ein Hamilton-Kreis, können wir diesen in entgegengesetzter Richtung durchlaufen. Dies erzeugt einen neuen Hamilton-Weg oder Hamilton-Kreis. Eine Permutation der Knoten eines Hamilton-Kreises erzeugt keinen neuen Kreis. 47/96
49 BEISPIEL 48/96
50 VOLLSTÄNDIGE GRAPHEN 49/96
51 VOLLSTÄNDIGE GRAPHEN UND HAMILTON-KREISE 6 HAMILTON-KREISE DES K 4 50/96
52 NÄCHSTER-NACHBAR-HEURISTIK (NNH) 51/96
53 KORREKTHEIT DES ALGORITHMUS Satz Es sei G = (V, E) ein ungerichteter, vollständiger und gewichteter Graph mit Kantengewichten w(e) für alle e E. Dann findet der Algorithmus einen Hamilton-Kreis in G. Beweis: Da G vollständig ist, gibt es in jeder Iteration mindestens eine Kante zu einem noch nicht besuchten Knoten und folglich auch eine mit minimalem Gewicht. Daher ist die Wahl von e wohldefiniert. Nach V 1 Iterationen enthält P nach Konstruktion V verschiedene Knoten, also alle Knoten in V. Da G vollständig ist, existiert eine Kante vom letzten Knoten zum Startknoten und der geschlossene Kreis P ist ein Hamilton-Kreis in G. 52/96
54 BEMERKUNG Der Algorithmus findest zwar immer einen Hamilton-Kreis, aber nicht immer den kürzesten. Tatsächlich kann die Länge des gefundenen Hamilton-Kreises sogar beliebig viel größer sein als die des kürzesten. Abbildung 1: Beispiel für die Nächster-Nachbar-Heuristik 53/96
55 BEISPIEL NNH 19,4 JAHRE 54/96
56 OPTIMALE TOUR 18,3 JAHRE 55/96
57 REPETITIVE NNH Die NNH liefert einen Hamilton-Kreis (TSP-Tour), welcher vom Anfangsknoten abhängig ist. Starte NNH mit verschiedenen Anfangsknoten! 56/96
58 BEISPIEL NNH TOUR 57/96
59 BEISPIEL NNH TOUR A, C, E, D, B, J, G, K, F, H, A Länge: /96
60 BEISPIEL R-NNH TOUR 59/96
61 CHEAPEST-LINK ALGORITHM Suche immer die billigste Kante! 60/96
62 BEISPIEL CLA TOUR 61/96
63 BESSERE HEURISTIKEN Eine weitere Heuristik, bei der man abschätzen kann, wieviel schlechter der gefundene Hamilton-Kreis im Vergleich zum optimalen höchstens sein kann, beruht auf der Konstruktion minimaler spannender Bäume. Diese funktioniert allerdings nur in sogenannten metrischen Graphen. 62/96
64 METRISCHE GRAPHEN Definition Es sei G = (V, E) ein ungerichteter gewichteter Graph mit positiven Kantengewichten w(e) > 0 für alle e E. Der Graph G heißt metrisch, wenn für alle u, v, z V mit {u, v}, {u, z}, {z, v} E die Dreiecksungleichung gilt. w({u, v}) w({u, z}) + w({z, v}) 63/96
65 FRAGE Sei G ein ungerichteter, vollständiger und metrischer Graph. Welcher ist der Zusammenhang zwischen der Länge des kürzesten Hamilton-Kreises P H und das Gewicht eines minimalen spannenden Baums T? Da P H ein Hamilton-Kreis ist, ist P H ohne die schwerste Kante e P H ein spannender Baum. Es gilt also w(p H ) w(e ) w(t ). Da P H genau V Kanten enthält und e die schwerste davon ist, folgt w(e ) w(p H )/ V. Damit erhalten wir w(t ) w(p H ) w(e ) w(p H ) w(p H ) ( w(p H V ) 1 1 ). V Umgekehrt lässt sich in einem vollständigen Graphen aus einem beliebigen spannenden Baum auch ein Hamilton-Kreis erzeugen. 64/96
66 KONSTRUKTION EINES HAMILTON-KREISES 65/96
67 EULER-KREIS Durch das Verdoppeln der Kanten in dem zusammenhängenden Graph T entsteht ein ebenfalls zusammenhängender Graph, in dem jeder Knoten geraden Grad hat. Folglich besitzt dieser Graph einen Euler-Kreis P E, den wir zum Beispiel mit dem Algorithmus von Hierholzer bestimmen können. Der Euler-Kreis hat dann die Länge 2w(T ), da er jede Kante genau einmal durchläuft. 66/96
68 VOM EULER-KREIS ZUM HAMILTON-KREIS Wähle einen beliebigen Startknoten auf dem Euler-Kreis und folge diesem so lange, bis ein Knoten zum zweiten Mal besucht würde. Da der Graph G vollständig ist, ist es möglich stattdessen direkt zu dem nächsten unbesuchten Knoten auf dem Euler-Kreis weiterzugehen. Man kürzt also im Vergleich zu dem Euler-Kreis ab. Dadurch werden Teile des Euler-Kreises durch eine einzelne neue Kante ersetzt, die auf Grund der Dreiecksungleichung aber nicht länger als der ersetzte Teil des Euler-Kreises ein kann. Schließlich erhält man so einen Hamilton-Kreis P H mit w(p H ) w(p E ) = 2w(T ). 67/96
69 LEMMA Es sei G = (V, E) ein ungerichteter, vollständiger und metrischer Graph, P H ein minimaler Hamilton-Kreis und T ein minimaler spannender Baum. Dann gilt V V 1 w(t ) w(p H ) 2 w(t ). 68/96
70 MINIMALER SPANNENDER BAUM HEURISTIK 69/96
71 SATZ Es sei G = (V, E) ein ungerichteter, vollständiger und metrischer Graph mit Kantengewichten w(e) > 0 für alle e E. Dann bestimmt der Algorithmus einen Hamilton-Kreis, welcher höchstens 2(1 1 V ) mal so lang wie der kürzeste ist. 70/96
72 HÜLLE EINES GRAPHEN Satz Sei G ein schlichter Graph mit p 3 Knoten und seien e 1 und e 2 zwei nicht benachbarte Knoten von G mit grad e 1 + grad e 2 p. Sei G der Graph, der aus G durch Hinzufügen der Kante e 1 e 2 entsteht. Dann ist G genau dann hamiltonsch, wenn G hamiltonsch ist. 71/96
73 HÜLLE EINES GRAPHEN Sei G 0 ein schlichter Graph mit p 3 Knoten. Gibt es in G 0 nicht benachbarte Knoten a 1 und b 1 mit grad a 1 + grad b 1 p, dann verbindet man die beiden Knoten und erhält einen Graphen G 1. Gibt es in G 1 nicht benachbarte Knoten a 1 und b 2, für die in G 1 die Ungleichung grad a 2 + grad b 2 p gilt, dann verbindet man diese beide Knoten und erhält einen Graphen G 2. Die Konstruktion endet nach endlich vielen Schritten mit einem Graphen G n, spätestens mit dem vollständigen Graphen K p. G n heißt Hülle von G 0 und wird mit c(g 0 ) bezeichnet. 72/96
74 HÜLLE: BEISPIEL c(g) = K 6 73/96
75 HÜLLE: BEISPIEL c(g) = G 74/96
76 HÜLLE EINES GRAPHEN Satz Sei G ein schlichter Graph mit p 3 Knoten. 1 Die Hülle c(g) ist durch G eindeutig bestimmt. 2 G ist genau dann hamiltonsch, wenn seine Hülle hamiltonsch ist. Ist speziell c(g) der entsprechende vollständige Graph, dann ist G hamiltonsch. 75/96
77 NOTWENDIGE BEDINGUNGEN FÜR HAMILTON GRAPHEN Ist G = (V, E) ungerichtet und hamiltonsch, so enthält V keinen Knoten v vom Grad g(v) = 1. Ist G = (V, E) ungerichtet und hamiltonsch, so ist G zusammenhängend. Diese Bedingungen sind nicht hinreichend, sondern nur notwendig... 76/96
78 BEISPIEL Abbildung 2: Ein zusammenhängender, nicht hamiltonscher Graph mit g(v) 1 für alle Knoten v V. 77/96
79 STÄRKERE BEDINGUNGEN Satz Es sei G = (V, E) ein ungerichteter hamiltonscher Graph. Dann gilt: Werden k V Knoten mit den zugehörigen Kanten aus dem Graphen G entfernt, so besteht der Restgraph aus höchstens k Zusammenhangskomponenten. 78/96
80 BEISPIEL Abbildung 3: Nicht hamiltonsch nach obigem Satz. 79/96
81 BEISPIEL Abbildung 4: Nicht hamiltonsch, obwohl die Bedingungen aus obigem Satz erfüllt sind. 80/96
82 JAVA PROZEDUR ZUR ERZEUGUNG VON GRAPHEN Erzeugt einen ungerichtetetn, zusammenhängenden, schlichten Graphen mit einer vorgegebener Anzahl von Knoten und Kanten. Zuerst wird ein auspannender Baum erzeugt. Kanten werden zufällig hinzugefügt bis die gegebene Anzahl von Kanten erreicht wird. 81/96
83 PARAMETER int randomconnectedgraph (n, m, seed, weighted, minweight, maxweight, nodei, nodej, weight) 82/96
84 83/96
85 84/96
86 85/96
87 86/96
88 87/96
89 RANDOM HAMILTON GRAPH Folgende Prozedur erzeugt einen zufälligen Hamilton Graph mit gegebener Anzahl von Knoten und Kanten. Der Graph ist gerichtet oder ungerichtet. Die Methode erzeugt eine zufällige Permutation von n Objekte (perm[1], perm[2],..., perm[n]). Der Graph ist mit folgendem Hamilton Zyklus initialisiert: (perm[1], perm[2]), (perm[2], perm[3]),..., (perm[n 1], perm[n]), (perm[n], perm[1]). 88/96
90 PARAMETER int randomhamiltongraph (n, m, seed, directed, weighted, minweight, maxweight, nodei, nodej, weight) 89/96
91 90/96
92 91/96
93 92/96
94 93/96
95 94/96
96 95/96
97 96/96
Algorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 6: Kreis- und Wegeprobleme Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 27. März 2018 1/47 KREIS- UND WEGEPROBLEME 2/47
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
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
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
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf
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
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 5: Suchalgorithmen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 20. März 2018 1/91 WIEDERHOLUNG - BÄUME / bin etc home
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
Mehr4. Kreis- und Wegeprobleme
4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Euler-Hamilton)
WS 2015/16 Diskrete Strukturen Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrNaiver Algorithmus für Hamiltonkreis
Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
MehrHamiltonsche Graphen
Hamiltonsche Graphen Definition 3.2. Es sei G = (V, E) ein Graph. Ein Weg, der jeden Knoten von G genau einmal enthält, heißt hamiltonscher Weg. Ein Kreis, der jeden Knoten von G genau einmal enthält,
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
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
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
MehrGraphalgorithmen II. Werner Sembach Werner Sembach Graphalgorithmen II / 22
Graphalgorithmen II Werner Sembach 14.04.2014 Werner Sembach Graphalgorithmen II 14.04.2014 1 / 22 Übersicht Datenstrukturen Union-Find Fibonacci-Heap Werner Sembach Graphalgorithmen II 14.04.2014 2 /
MehrEuler und Hamiltonkreise
Euler und Hamiltonkreise 1. Königsberger Brücken 2. Eulerwege und Kreise Definition, Algorithmus mit Tiefensuche 3. Hamiltonwege und Kreise Definition 4. Problem des Handlungsreisenden Enumeration und
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
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
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
MehrGraphen: Rundwege, Kodierung von Bäumen
TH Mittelhessen, Wintersemester 2013/2014 Lösungen zu Übungsblatt 11 Fachbereich MNI, Diskrete Mathematik 4./5./6. Februar 2014 Prof. Dr. Hans-Rudolf Metz Graphen: Rundwege, Kodierung von Bäumen Aufgabe
MehrDiskrete Mathematik Graphentheorie (Übersicht)
Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
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.
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen Lerneinheit : Kürzeste Pfade in Graphen Prof. Dr. Christoph Karg Studiengang Informatik Hochschule Aalen Sommersemester 016.6.01 Einleitung Diese Lerneinheit beschäftigt
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
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
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
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
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
Mehrdurch Einfügen von Knoten konstruiert werden kann.
Satz von Kuratowski Definition Unterteilung eines Graphen Sei G = (V, E) und e = {u, v} E. 1 Das Einfügen eines neuen Knoten w in die Kante e führt zum Graphen G = (V {w}, E \ e {{u, w}, {w, v}}). 2 Der
MehrGraphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
MehrBipartite Graphen. Beispiele
Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten
Mehr1 Beispiele für Graphen
Beispiele für Graphen 1 Beispiele für Graphen 1. Kreuzungsproblem : 3 Häuser sollen mit einem Wasser-, Gas- und Elektroanschluß verbunden werden, wobei keine Kreuzung entstehen darf. Abbildung 1: Kreuzungsproblem
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
MehrLösungen zu Kapitel 5
Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 02.07.2015 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 2: Einführung in die Graphentheorie - Teil 2 Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. März 2018 1/48 OPERATIONEN
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen
MehrFreie Bäume und Wälder
(Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese
MehrAlgorithmische Graphentheorie
1 Algorithmische Graphentheorie Sommersemester 2016 1. Vorlesung Rundreiseprobleme Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Übersicht I) Eulerkreise III) Handlungsreisende II) Hamiltonkreise
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrRichtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.
Gegeben sei ein Netzwerk N = (V, A, c, s, t) wie in der Vorlesung. Ein maximaler s-t-fluss kann immer mit Hilfe einer Folge von höchstens A Augmentationsschritten gefunden werden. Wendet man den Dijkstra-Algorithmus
MehrZweiter Zirkelbrief: Graphentheorie
Matheschülerzirkel Universität Augsburg Schuljahr 2014/2015 Zweiter Zirkelbrief: Graphentheorie Inhaltsverzeichnis 1 Grundbegriffe 1 2 Eulerkreise 4 3 Hamiltonkreise 7 4 Planare Graphen 9 5 Färbbarkeit
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
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
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
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
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /
MehrDieser Graph hat 3 Zusammenhangskomponenten
Vl 2, Informatik B, 19. 04. 02 1.1.3 Definitionen und wichtige Graphen Sei im folgenden G =(V;E) ein schlichter ungerichteter Graph. Definition: Der Grad eines Knoten v in einem ungerichteten Graphen ist
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 22.12.2011 INSTITUT FÜR THEORETISCHE 0 KIT 09.01.2012 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 8
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
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
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
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 svorschlag Aufgabe 1
MehrGraphentheorie: Das Hamiltonische-Kreis-Problem: Definitionen, Resultate und Anwendungen
Graphentheorie: Das Hamiltonische-Kreis-Problem: Definitionen, Resultate und Anwendungen Dr. Gerold Jäger Habilitationsvorlesung Christian-Albrechts-Universität zu Kiel Institut für Informatik 21. April
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
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 008/09 Blatt
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 11 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 14. Mai
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
MehrGraphdurchmusterung, Breiten- und Tiefensuche
Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,
MehrSatz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...
Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )
MehrInstitut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.
Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,
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
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 24. April 2019 [Letzte Aktualisierung: 24/04/2019,
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/03 Institut für Informatik Aufgabenblatt 6 Prof. Dr. J. Csirik 18. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am
Mehr4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...
Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5
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
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)
WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII
Mehr10 Kürzeste Pfade SSSP-Problem
In diesem Kapitel setzen wir uns mit der Berechnung von kürzesten Pfaden in einem Graphen auseinander. Definition 10.1 (Pfadgewichte). i) Das Gewicht eines Pfades p = (v 0, v 1,..., v k ) ist die Summe
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
Mehr3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt:
3. Minimale Spannbäume Sei G = (V, E) ein einfacher ungerichteter Graph, der o.b.d.a. zusammenhängend ist. Sei weiter w : E R eine Gewichtsfunktion auf den Kanten von G. Wir setzen E E: w(e ) = e E w(e),
MehrGraphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 16.12.2010 INSTITUT FÜR THEORETISCHE INFORMATIK 0 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
Mehr7: Graphentheorie. Definition 110
7: Graphentheorie Definition 110 Ein Graph besteht aus einer nichtleeren Menge V ( Vertices ) von Knoten und einer Menge E von Kanten ( Edges Verbindungen zwischen den Knoten), d.h., zwei-elementigen Mengen
MehrZentralübung zur Vorlesung Diskrete Strukturen
WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:
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,
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 16 (2.7.2014) Graphtraversierung II, Minimale Spannbäume I Algorithmen und Komplexität Tiefensuche: Pseusocode DFS Traversal: for all u in
Mehr