Algorithmen für Routenplanung 14. Sitzung, Sommersemester 2011 Thomas Pajor 16. Juni 2011
|
|
- Florian Solberg
- vor 5 Jahren
- Abrufe
Transkript
1 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 und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft
2 Letztes Mal... Einführung in zeitabhängige Routenplanung f (τ) f (τ) rush hour langsamer Zug Straße Π τ Schiene schneller Zug Π τ Funktion f durch Interpolationspunkte: I f := {(t f 1, w f 1 ),..., (t f k, w f k )}
3 Anfrageszenarien Zeit-Anfrage: finde kürzesten Weg für Abfahrtszeit τ analog zu Dijkstra Profil-Anfrage: finde kürzesten Weg für alle Abfahrtszeitpunkte Label-Correcting Algorithmus
4 Anfrageszenarien Zeit-Anfrage: finde kürzesten Weg für Abfahrtszeit τ analog zu Dijkstra Profil-Anfrage: finde kürzesten Weg für alle Abfahrtszeitpunkte Label-Correcting Algorithmus
5 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
6 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
7 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
8 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
9 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
10 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
11 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
12 Public Transport: Link Linken zweier Funktionen f und g ) bestimme den Verbindungspunkt (t g j, w g Für jeden Punkt (ti f, w i f t g j ti f wi f 0 minimal Erste Verbindung, die man auf g erreichen kann Füge (ti f, t g j + w g j 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 j ) mit w 09:00-60 min 12:00-60 min 16:00-60 min
13 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
14 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
15 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
16 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 j, w g j ): behalte Punkt, wenn w g j < f (t g j ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time
17 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 j, w g j ): behalte Punkt, wenn w g j < f (t g j ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time
18 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 j, w g j ): behalte Punkt, wenn w g j < f (t g j ) Keine Schnittepunkte möglich(!) Vorgehen: Linearer Sweep travel time departure time
19 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
20 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
21 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
22 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
23 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
24 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.
25 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
26 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
27 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
28 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 Dijkstra Kaum langsamer (lediglich Auswertung) Profilanfragen In Public Transportation gut nutzbar Straßennetzwerke nicht zu handhaben
29 Jetzt: Beschleunigungstechniken Landmarken Bidirektionale Suche s t Kontraktion Arc-Flags access node Table- Lookups s t distances between access node transit nodes
30 Landmarken Vorberechnung: wähle eine Hand voll ( 16) Knoten als Landmarken berechne Abstände von und zu allen Landmarken Anfrage: benutze Landmarken und Dreiecksungleichung um eine untere Schranke für den Abstand zum Ziel zu bestimmen d(s, t) d(l 1, t) d(l 1, s) d(s, t) d(s, L 2 ) d(t, L 2 ) verändert Reihenfolge der besuchten Knoten
31 Anpassung Beobachtung: Korrektheit von ALT basiert darauf, dass reduzierte Kosten größergleich 0 sind len π (u, v) = len(u, v) π(u) + π(v)! 0 durch Erhöhen der Kantengewichte wird dies nicht verletzt Somit: Definiere lowerbound-graph G = (V, E, len) mit len := min len Vorberechnung auf lowerbound-graph korrekt aber eventuell langsamere Anfragezeiten
32 Anpassung Beobachtung: Korrektheit von ALT basiert darauf, dass reduzierte Kosten größergleich 0 sind len π (u, v) = len(u, v) π(u) + π(v)! 0 durch Erhöhen der Kantengewichte wird dies nicht verletzt Somit: Definiere lowerbound-graph G = (V, E, len) mit len := min len Vorberechnung auf lowerbound-graph korrekt aber eventuell langsamere Anfragezeiten
33 Bidirektionale Suche s t starte zweite Suche von t relaxiere rückwärts nur eingehende Kanten stoppe die Suche, wenn beide Suchräume sich treffen
34 Anpassung Zeitanfragen: Ankunft unbekannt Rückwärtsuche? Rückwärtssuche nur zum Einschränken der Vorwärtssuche benutzen je nach Beschleunigungstechnik verschieden später Profilanfragen: Anfrage zu allen Startzeitpunkten somit Rückwärtsuche kein Problem µ temporäre Abstandsfunktion breche ab, wenn µ minkey( Q ) + minkey( Q )
35 Anpassung Zeitanfragen: Ankunft unbekannt Rückwärtsuche? Rückwärtssuche nur zum Einschränken der Vorwärtssuche benutzen je nach Beschleunigungstechnik verschieden später Profilanfragen: Anfrage zu allen Startzeitpunkten somit Rückwärtsuche kein Problem µ temporäre Abstandsfunktion breche ab, wenn µ minkey( Q ) + minkey( Q )
36 Anpassung Zeitanfragen: Ankunft unbekannt Rückwärtsuche? Rückwärtssuche nur zum Einschränken der Vorwärtssuche benutzen je nach Beschleunigungstechnik verschieden später Profilanfragen: Anfrage zu allen Startzeitpunkten somit Rückwärtsuche kein Problem µ temporäre Abstandsfunktion breche ab, wenn µ minkey( Q ) + minkey( Q )
37 Kontraktion Knoten-Reduktion: entferne Knoten füge neue Kanten (Shortcuts) hinzu, um die Abstände zwischen verbleibenden Knoten zu erhalten Kanten-Reduktion: behalte nur relevante Shortcuts lokale Suche während oder nach Knoten-Reduktion
38 Kontraktion Knoten-Reduktion: entferne Knoten füge neue Kanten (Shortcuts) hinzu, um die Abstände zwischen verbleibenden Knoten zu erhalten Kanten-Reduktion: behalte nur relevante Shortcuts lokale Suche während oder nach Knoten-Reduktion
39 Anpassung Knoten-Reduktion Beobachtung: Verfahren ist unabhängig von Metrik Shortcuts müssen nur Pfad entsprechen Somit: Linken der Funktionen zu einer Shortcut-Funktion Speicherverbrauch steigt an (Straße)!
40 Anpassung Kanten-Reduktion Zeitunabhängig: Lösche Kante (u, v), wenn (u, v) nicht Teil des kürzesten Weges von u nach v ist, also len(u, v) > d(u, v) lokale Dijkstra-Suche von u Zeitabhängig: Idee: Lösche Kante (u, v), wenn (u, v) nicht Teil aller kürzesten Wege von u nach v ist, also len(u, v) > d (u, v) lokale Profilsuche Problem: deutlich langsamer lösche zunächst Kanten (u, v) für die len(u, v) > d (u, v) gilt danach lokale Profilsuche
41 Anpassung Kanten-Reduktion Zeitunabhängig: Lösche Kante (u, v), wenn (u, v) nicht Teil des kürzesten Weges von u nach v ist, also len(u, v) > d(u, v) lokale Dijkstra-Suche von u Zeitabhängig: Idee: Lösche Kante (u, v), wenn (u, v) nicht Teil aller kürzesten Wege von u nach v ist, also len(u, v) > d (u, v) lokale Profilsuche Problem: deutlich langsamer lösche zunächst Kanten (u, v) für die len(u, v) > d (u, v) gilt danach lokale Profilsuche
42 Anpassung Kanten-Reduktion Zeitunabhängig: Lösche Kante (u, v), wenn (u, v) nicht Teil des kürzesten Weges von u nach v ist, also len(u, v) > d(u, v) lokale Dijkstra-Suche von u Zeitabhängig: Idee: Lösche Kante (u, v), wenn (u, v) nicht Teil aller kürzesten Wege von u nach v ist, also len(u, v) > d (u, v) lokale Profilsuche Problem: deutlich langsamer lösche zunächst Kanten (u, v) für die len(u, v) > d (u, v) gilt danach lokale Profilsuche
43 Korridorsuche Idee: führe zunächst zwei Dijkstra-Suchen mit len und len durch relaxiere dann nur solche Kanten (u, v), für die d(s, u) + len(u, v) d(s, v) gilt Anmerkung: kann auch zur Beschleunigung einer s-t Profil-Suche genutzt werden
44 Approximation der Shortcuts Problem: Ideen: hoher Speicherbedarf der Shortcuts (Straße) Shortcuts on-the-fly entpacken und dann Gewicht des Pfades berechnen speichere Approximationen der Funktionen, führe dann Korridorsuche bei Query auf Originalgraphen durch durch speichern von Approximationen genauer
45 Arc-Flags Idee: partitioniere den Graph in k Zellen hänge ein Label mit k Bits an jede Kante zeigt ob e wichtig für die Zielzelle ist modifizierter Dijkstra überspringt unwichtige Kanten Beobachtung: Partition wird auf ungewichtetem Grahen durchgeführt Flaggen müssen allerdings aktualisiert werden
46 Anpassung Idee: ändere Intuition einer gesetzten Flagge Konzept bleibt gleich: Eine Flagge pro Kante und Region setze Flagge wenn Kante mindestens ein mal am Tag wichtig ist Anpassung: für alle Randknoten b und alle Knoten u: Berechne Abstandsfunktion d (u, b) setze Flagge wenn gilt len(u, v) d (v, b) d (u, b)
47 Anpassung Idee: ändere Intuition einer gesetzten Flagge Konzept bleibt gleich: Eine Flagge pro Kante und Region setze Flagge wenn Kante mindestens ein mal am Tag wichtig ist Anpassung: für alle Randknoten b und alle Knoten u: Berechne Abstandsfunktion d (u, b) setze Flagge wenn gilt len(u, v) d (v, b) d (u, b) u v w x b
48 Anpassung Idee: ändere Intuition einer gesetzten Flagge Konzept bleibt gleich: Eine Flagge pro Kante und Region setze Flagge wenn Kante mindestens ein mal am Tag wichtig ist Anpassung: für alle Randknoten b und alle Knoten u: Berechne Abstandsfunktion d (u, b) setze Flagge wenn gilt len(u, v) d (v, b) d (u, b) u v w x b
49 Anpassung Idee: ändere Intuition einer gesetzten Flagge Konzept bleibt gleich: Eine Flagge pro Kante und Region setze Flagge wenn Kante mindestens ein mal am Tag wichtig ist Anpassung: für alle Randknoten b und alle Knoten u: Berechne Abstandsfunktion d (u, b) setze Flagge wenn gilt len(u, v) d (v, b) d (u, b) u v w x b
50 Anpassung Idee: ändere Intuition einer gesetzten Flagge Konzept bleibt gleich: Eine Flagge pro Kante und Region setze Flagge wenn Kante mindestens ein mal am Tag wichtig ist Anpassung: für alle Randknoten b und alle Knoten u: Berechne Abstandsfunktion d (u, b) setze Flagge wenn gilt len(u, v) d (v, b) d (u, b) u v w x b
51 Approximation Arc-Flags Beobachtung: viele Interpolationspunkte (Straße) Berechnung der Abstandsfunktionen ist sehr zeitintensiv Laufzeit stark abhängig von der Komplexität der Funktionen Idee: benutze Über- and Unterapproximation schnellere Vorberechnung, langsamere Anfragen aber immer noch korrekt u v w x b
52 Approximation Arc-Flags Beobachtung: viele Interpolationspunkte (Straße) Berechnung der Abstandsfunktionen ist sehr zeitintensiv Laufzeit stark abhängig von der Komplexität der Funktionen Idee: benutze Über- and Unterapproximation schnellere Vorberechnung, langsamere Anfragen aber immer noch korrekt 22 u v 16 w 21 x 19 b
53 Approximation Arc-Flags Beobachtung: viele Interpolationspunkte (Straße) Berechnung der Abstandsfunktionen ist sehr zeitintensiv Laufzeit stark abhängig von der Komplexität der Funktionen Idee: benutze Über- and Unterapproximation schnellere Vorberechnung, langsamere Anfragen aber immer noch korrekt 22 u v 16 w 21 x 19 b
54 Approximation Arc-Flags Beobachtung: viele Interpolationspunkte (Straße) Berechnung der Abstandsfunktionen ist sehr zeitintensiv Laufzeit stark abhängig von der Komplexität der Funktionen Idee: benutze Über- and Unterapproximation schnellere Vorberechnung, langsamere Anfragen aber immer noch korrekt u v w x b
55 Heuristische Flaggen Idee: führe von jedem Randknoten K Zeitanfragen aus mit fester Ankunftszeit setze Flagge, wenn Kante auf einem dem Bäume eine Baumkante ist Beobachtungen: Flaggen eventuell nicht korrekt ein Pfad wird aber immer gefunden Fehlerrate?
56 Heuristische Flaggen Idee: führe von jedem Randknoten K Zeitanfragen aus mit fester Ankunftszeit setze Flagge, wenn Kante auf einem dem Bäume eine Baumkante ist Beobachtungen: Flaggen eventuell nicht korrekt ein Pfad wird aber immer gefunden Fehlerrate?
57 Table-Lookups Idee: speichere Distanztabellen nur für wichtige Teile des Graphen Suchen laufen nur bis zur Tabelle harmoniert gut mir hierarchischen Techniken access node s t distances between transit nodes access node
58 Anpassung Beobachtung: Distanz-Tabelle muss aktualisiert werden ein Eintrag entspricht effektiv einem Shortcut vollständiger Overlay-Graph viele Shortcuts also: Speicherverbrauch deutlich zu groß?
59 Anpassung der Basismodule Basismodule: 0 Bidirektionale Suche + Landmarken + Kontraktion + Arc-Flags Table Lookups Somit sind folgende Algorithmen gute Kandidaten ALT Core-ALT SHARC Contraction Hierarchies
60 Bidirektionaler zeitabhängiger ALT s t Idee - Drei Phasen: 1 Vorwärts zeitabhängig, Rückwärtssuche benutzt Minima der Funktionen. Fertig wenn Suchen sich treffen. Berechne zeitabhängige Distanz µ (durch Auswerten des gefundenen Weges). 2 Rückwärtssuche arbeitet weiter bis minkey( Q ) > µ 3 Vorwärtssuche arbeitet weiter bis t abgearbeitet worden ist und besucht nur Knoten, die die Rückwärtssuche zuvor besucht hat
61 Bidirektionaler zeitabhängiger ALT s t Idee - Drei Phasen: 1 Vorwärts zeitabhängig, Rückwärtssuche benutzt Minima der Funktionen. Fertig wenn Suchen sich treffen. Berechne zeitabhängige Distanz µ (durch Auswerten des gefundenen Weges). 2 Rückwärtssuche arbeitet weiter bis minkey( Q ) > µ 3 Vorwärtssuche arbeitet weiter bis t abgearbeitet worden ist und besucht nur Knoten, die die Rückwärtssuche zuvor besucht hat
62 Bidirektionaler zeitabhängiger ALT s t Idee - Drei Phasen: 1 Vorwärts zeitabhängig, Rückwärtssuche benutzt Minima der Funktionen. Fertig wenn Suchen sich treffen. Berechne zeitabhängige Distanz µ (durch Auswerten des gefundenen Weges). 2 Rückwärtssuche arbeitet weiter bis minkey( Q ) > µ 3 Vorwärtssuche arbeitet weiter bis t abgearbeitet worden ist und besucht nur Knoten, die die Rückwärtssuche zuvor besucht hat
63 Bidirektionaler zeitabhängiger ALT s t Idee - Drei Phasen: 1 Vorwärts zeitabhängig, Rückwärtssuche benutzt Minima der Funktionen. Fertig wenn Suchen sich treffen. Berechne zeitabhängige Distanz µ (durch Auswerten des gefundenen Weges). 2 Rückwärtssuche arbeitet weiter bis minkey( Q ) > µ 3 Vorwärtssuche arbeitet weiter bis t abgearbeitet worden ist und besucht nur Knoten, die die Rückwärtssuche zuvor besucht hat
64 Approximation Beobachtung: Phase 2 läuft recht lange weiter, bis minkey( Q ) > µ gilt insbesondere dann schlecht, wenn die lower bounds stark vom echten Wert abweichen Approximation: breche Phase 2 bereits ab, wenn minkey( Q ) K > µ gilt dann ist der berechnete Weg eine K -Approximation des kürzesten Weges
65 Experimente Error Query relative abs. #sett. #rel. time scen. algorithm K rate av. max max [s] nodes edges [ms] mid Sat Sun uni-alt 0.0% 0.000% 0.00% TDALT % 0.000% 0.00% % 0.094% 14.32% % 0.097% 27.59% uni-alt 0.0% 0.000% 0.00% TDALT % 0.000% 0.00% % 0.088% 13.97% % 0.089% 26.17% uni-alt 0.0% 0.000% 0.00% TDALT % 0.000% 0.00% % 0.088% 14.28% % 0.089% 32.08%
66 Core-ALT Idee begrenze Beschleunigungstechnik auf kleinen Subgraphen (Kern) s t Vorberechnung kontrahiere Graphen zu einem Kern Landmarken nur im Kern Anfrage Initialphase: normaler Dijkstra benutze Landmarken nur im Kern zeitabhängig: Rückwärtssuche ist zeitunabhängig Vorwärtssuche darf alle Knoten der Rückwärtssuche besuchen
67 Core-ALT Idee begrenze Beschleunigungstechnik auf kleinen Subgraphen (Kern) s t Vorberechnung kontrahiere Graphen zu einem Kern Landmarken nur im Kern Anfrage Initialphase: normaler Dijkstra benutze Landmarken nur im Kern zeitabhängig: Rückwärtssuche ist zeitunabhängig Vorwärtssuche darf alle Knoten der Rückwärtssuche besuchen
68 Core-ALT Idee begrenze Beschleunigungstechnik auf kleinen Subgraphen (Kern) s t Vorberechnung kontrahiere Graphen zu einem Kern Landmarken nur im Kern Anfrage Initialphase: normaler Dijkstra benutze Landmarken nur im Kern zeitabhängig: Rückwärtssuche ist zeitunabhängig Vorwärtssuche darf alle Knoten der Rückwärtssuche besuchen
69 Core-ALT Idee begrenze Beschleunigungstechnik auf kleinen Subgraphen (Kern) s t Vorberechnung kontrahiere Graphen zu einem Kern Landmarken nur im Kern Anfrage Initialphase: normaler Dijkstra benutze Landmarken nur im Kern zeitabhängig: Rückwärtssuche ist zeitunabhängig Vorwärtssuche darf alle Knoten der Rückwärtssuche besuchen
70 Experimente Preproc. Error Query time space relative abs. #settled #relaxed time scenario K [min] [B/n] rate av. max max [s] nodes edges [ms] % 0.000% 0.00% Monday % 0.051% 11.00% % 0.052% 17.25% % 0.000% 0.00% midweek % 0.051% 13.84% % 0.052% 13.84% % 0.000% 0.00% Friday % 0.052% 11.29% % 0.054% 21.19% % 0.000% 0.00% Saturday % 0.031% 11.50% % 0.031% 24.17% % 0.000% 0.00% Sunday % 0.029% 12.72% % 0.029% 17.84%
71 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
72 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
73 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
74 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
75 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
76 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
77 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
78 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
79 SHARC (Kontraktion, Arc-Flags) Vorberechnung: Multi-Level-Partition iterativer Prozess: kontrahiere Subgraphen berechne Flaggen Flaggenverfeinerung Anpassung: Kontraktion und Flaggen berechnung anpassen Verfeinerung?
80 Flaggenverfeinerung Vorgehen: verfeinere Flaggen propagiere Flaggen von wichtigen zu unwichtigen Kanten zeitunabhängig: mittels lokaler Suche zeitabhängig: mittels lokaler Profilsuche
81 Flaggenverfeinerung Vorgehen: verfeinere Flaggen propagiere Flaggen von wichtigen zu unwichtigen Kanten zeitunabhängig: mittels lokaler Suche zeitabhängig: mittels lokaler Profilsuche
82 Experimente Preprocessing Time-Queries time space edge points time speed scenario algom [h:m] [B/n] inc. inc. [ms] up Monday eco 1: % 366.8% midweek eco 1: % 363.8% Friday eco 1: % 358.0% Saturday eco 0: % 283.6% agg 48: % 264.4% Sunday eco 0: % 215.8% agg 27: % 202.6% no traffic static 0: % 23.9%
83 Approximation Prepro Error Time-Queries time space error max max time spd scenario algo [h:m] [B/n] -rate rel. abs.[s] [ms] up Monday heu 3: % 0.54% midweek heu 3: % 0.61% Friday heu 3: % 0.50% Saturday heu 2: % 0.23% Sunday heu 1: % 0.36% no static 0: % 0.00% Beobachtung: Fehler sehr gering hoher Speicherverbrauch
84 Profilsuchen Time-Queries Profile-Queries #del. time #del. #re- time profile traffic var. mins [ms] mins ins. [ms] /time Monday eco heu midweek eco heu Friday eco heu eco Saturday agg heu eco Sunday agg heu
85 Kompression Gründe für Overhead: Regionsinformation Flaggen speichern Shortcuts (Einträge im Kantenarray) zusätzliche Interpolationspunkte
86 Space-Efficient SHARC 1. Arc-Flag Compression Beobachtung: Es gibt weniger verschiedene Flaggen-Vektoren als Kanten Speichere Flaggen in externer Tabelle Reduziere die Anzahl verschiedener Flaggen (Bit-Flipping 0 1) Weniger Platzverbrauch, dafür größerer Suchraum
87 query times [ms] x deu06_mo_timesharc_heu_c1,1,1,1,1.csv deu06_mo_timesharc_heu_c1,2,4,8,32.csv deu06_mo_timesharc_heu_c1,3,9,27,243.csv deu06_mo_timesharc_heu_c1,4,16,64,256.csv x x x x x x x x x x x x x + + x x + + x + x x removed unique flags [%]
88 Shortcut Kompression Beobachtung: Idee: Shortcut entspricht einem Pfad manche Shortcuts erscheinen unwichtig entferne (manche) Shortcuts nach Vorberechnung vererbe Flaggen an erste Kante des Pfades welche sind wichtig? Außerdem: entferne Interpolationspunkte und entpacke on-the-fly
89 Shortcut Kompression Beobachtung: Idee: Shortcut entspricht einem Pfad manche Shortcuts erscheinen unwichtig entferne (manche) Shortcuts nach Vorberechnung vererbe Flaggen an erste Kante des Pfades welche sind wichtig? Außerdem: entferne Interpolationspunkte und entpacke on-the-fly
90 query times [ms] x deu06_mo_timesharc_heu_rems_t1_h1_f0_h0_p0.csv deu06_mo_timesharc_heu_rems_t1_h3_f0_h0_p0.csv deu06_mo_timesharc_heu_rems_t1_h5_f0_h0_p0.csv deu06_mo_timesharc_heu_rems_t1_h3_f1_h1_p1.csv x x x x x x x x x x + x + x + + x x x removed shortcuts [%]
91 query times [ms] x deu06_mo_timesharc_heu_remp_i1_h0_f0.csv deu06_mo_timesharc_heu_remp_i0_h1_f0.csv deu06_mo_timesharc_heu_remp_i0_h0_f1.csv deu06_mo_timesharc_heu_remp_i1_h0_f3.csv + + x x x x x x x x x x x x + + x + x + x + x x x + x x x removed points from time dependent shortcuts [%] Ergebnis: Speicherverbrauch kann auf Bytes pro Knoten gedrückt werden
92 Contraction Hierarchies Vorberechnung: benutze gleiche Knotenordnung kontrahiere zeitabhängig erzeugt Suchgraphen G = (V, E E) Anfrage Rückwärts aufwärts mittels min-max Suche markiere alle Kanten (u, v) aus E mit d(u, v) + d(v, t) d(u, v) diese Menge sei E zeitabhängige Vorwärtsuche in (V, E E )
93 Contraction Hierarchies Vorberechnung: benutze gleiche Knotenordnung kontrahiere zeitabhängig erzeugt Suchgraphen G = (V, E E) Anfrage Rückwärts aufwärts mittels min-max Suche markiere alle Kanten (u, v) aus E mit d(u, v) + d(v, t) d(u, v) diese Menge sei E zeitabhängige Vorwärtsuche in (V, E E )
94 Experimente Contr. Queries type of ordering const. space time speed input ordering [h:m] [h:m] [B/n] [ms] up Monday static min 0:05 0: timed 1:47 0: midweek static min 0:05 0: timed 1:48 0: Friday static min 0:05 0: timed 1:30 0: Saturday static min 0:05 0: timed 0:52 0: Sunday static min 0:05 0: timed 0:38 0:
95 Ende Literatur (Zeitabhängige Beschleunigungstechniken): Daniel Delling: Enginering and Augmenting Route Planning Algorithms Ph.D. Thesis, Universität Karlsruhe (TH), Gernot Veit Batz, Daniel Delling, Peter Sanders, Christian Vetter Time-Dependent Contraction Hierarchies In: Proceedings of the 11th Workshop on Algorithm Engineering and Experiments (ALENEX 09), April Edith Brunel, Daniel Delling, Andreas Gemsa, Dorothea Wagner Space-Efficient SHARC-Routing In: Proceedings of the 9th International Symposium on Experimental Algorithms (SEA 10), May 2010.
Algorithmen für Routenplanung Vorlesung 10
Algorithmen für Routenplanung Vorlesung 10 Daniel Delling 1/ 42 Letztes Mal: Zeitabhängige Netzwerke (Basics) Szenario: Historische Daten für Verkehrssituation verfügbar Verkehrssituation vorhersagbar
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 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 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 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 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
MehrAlgorithmen für Routenplanung 13. Sitzung, Sommersemester 2011 Reinhard Bauer, Thomas Pajor 9. Juni 2011
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
MehrAlgorithmen für Routenplanung Vorlesung 7
Algorithmen für Routenplanung Vorlesung 7 Daniel Delling 1/ 47 Letztes Mal T Many-to-Many Transit-Node Routing S access node s t distances between transit nodes access node 2/ 47 Transit-Node Routing ersetzt
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. 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 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 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
MehrViertes Übungsblatt - Musterlösung
Universität Karlsruhe Algorithmen für Routenplanung Fakultät für Informatik Sommersemester 2009 ITI Wagner Daniel Delling, Thomas Pajor Viertes Übungsblatt - Musterlösung Aufgabe 1: SHARC-Routing Gegeben
MehrAlgorithmen für Routenplanung 9. Sitzung, Sommersemester 2010 Thomas Pajor 7. Juni 2010
Algorithmen für Routenplanung 9. Sitzung, Sommersemester 2010 Thomas Pajor 7. Juni 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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
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
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
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 8. Sitzung, Sommersemester 2013 Julian Dibbelt 22. Mai 2013
Algorithmen für Routenplanung 8. Sitzung, Sommersemester 2013 Julian Dibbelt 22. Mai 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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 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 Letzte Sitzung, Sommersemester 2010 Thomas Pajor 09. Juli 2010 I NSTITUT FÜR T HEORETISCHE I NFORMATIK A LGORITHMIK I P ROF. D R. D OROTHEA WAGNER KIT University of the State
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 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 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
MehrAlgorithmen für Routenplanung Vorlesung 5
Algorithmen für Routenplanung Vorlesung 5 Daniel Delling 1/ 45 Letztes Mal Reach RE/REAL s t 2/ 45 Ideensammlung Wie Suche hierarchisch machen? identifiziere wichtige Knoten mit Zentralitätsmaß überspringe
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
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
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 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 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
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 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 für Routenplanung 5. Sitzung, Sommersemester 2010 Thomas Pajor 10. Mai 2010
Algorithmen für Routenplanung 5. Sitzung, Sommersemester 00 Thomas Pajor 0. Mai 00 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrAlgorithmen für Routenplanung 9. Sitzung, Sommersemester 2013 Julian Dibbelt 27. Mai 2013
Algorithmen für Routenplanung 9. Sitzung, Sommersemester 013 Julian Dibbelt 7. Mai 013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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 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
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
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
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 19. und letzte Sitzung, Sommersemester 2012 Thomas Pajor 16. Juli 2012
Algorithmen für Routenplanung 19. und letzte Sitzung, Sommersemester 2012 Thomas Pajor 16. Juli 2012 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes
MehrAlgorithmen für Routenplanung 6. Vorlesung, Sommersemester 2010 Daniel Delling 17. Mai 2010
Algorithmen für Routenplanung 6. Vorlesung, Sommersemester 2010 Daniel Delling 17. Mai 2010 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
MehrAlgorithmen für Routenplanung 2. Vorlesung, Sommersemester 2016 Tobias Zündorf 25. April 2016
Algorithmen für Routenplanung. Vorlesung, Sommersemester 016 Tobias Zündorf 5. April 016 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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
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
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
MehrRoute Planning in Road Networks
D. Schultes: Route Planning in Road Networks 1 Route Planning in Road Networks Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe (TH) http://algo2.iti.uka.de/schultes/hwy/
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
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
MehrZweites Theorie-Übungsblatt - Musterlösung
Universität Karlsruhe Algorithmen für Routenplanung Fakultät für Informatik Sommersemester 29 ITI Wagner Daniel Delling, Thomas Pajor Zweites Theorie-Übungsblatt - Musterlösung Aufgabe 1: Arc-Flags, Aufwärmübung
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
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
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
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 10. Sitzung, Sommersemester 2012 Daniel Delling 4. Juni 2012
Algorithmen für Routenplanung 10. Sitzung, Sommersemester 2012 Daniel Delling 4. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
MehrAlgorithmen für Routenplanung 5. Sitzung, Sommersemester 2013 Julian Dibbelt 6. Mai 2013
Algorithmen für Routenplanung 5. Sitzung, Sommersemester 2013 Julian Dibbelt 6. Mai 2013 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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
MehrAlgorithmen für Routenplanung 10. Sitzung, Sommersemester 2014 Ben Strasser 21. Mai 2014
Algorithmen für Routenplanung 10. Sitzung, Sommersemester 014 Ben Strasser 1. Mai 014 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrTheorie-Übungsblatt 3 Lösungsvorschläge
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Theorie-Übungsblatt 3 Lösungsvorschläge Algorithmen für Routenplanung, Sommer 21 Problem 1: Arc-Flags, Aufwärmübung * Gegeben sei ein
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 16. Sitzung, Sommersemester 2011 Thomas Pajor 4. Juli 2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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
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 7. Vorlesung, Sommersemester 2015 Ben Strasser 18. Mai 2014
Algorithmen für Routenplanung 7. Vorlesung, Sommersemester 01 Ben Strasser 18. Mai 014 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrPraktikum Routenplanung
Praktikum Routenplanung Themenvorstellung & Gruppeneinteilung, Wintersemester 2018/2019 Valentin Buchhold, Jonas Sauer, Tim Zeitz, Tobias Zündorf 21. November 2018 INSTITUT FÜR THEORETISCHE INFORMATIK
MehrGenauer Hochleistungs-Routenplaner
Sanders/Schultes: Routenplanung 1 Genauer Hochleistungs-Routenplaner Prof. Dr. Peter Sanders Dominik Schultes Institut für Theoretische Informatik Algorithmik II Universität Karlsruhe (TH) Heidelberger
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 3. Termin, Sommersemester 2011 Reinhard Bauer 21.11.2011 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
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
MehrPraktikum Routenplanung
Praktikum Routenplanung Themenvorstellung & Gruppeneinteilung, Wintersemester 2017/2018 Moritz Baum, Valentin Buchhold, Tim Zeitz, Tobias Zündorf 22. November 2017 INSTITUT FÜR THEORETISCHE INFORMATIK
MehrPersonalisierte Routenplanung
Personalisierte Routenplanung Vorlesung Routenplanung, KIT, 2016 Sabine Storandt, JMU Würzburg Motivation Viele Kriterien definieren die optimale Route von A nach B. Distanz Reisezeit Benzinverbrauch Staugefahr
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
MehrDas Problem des minimalen Steiner-Baumes
Das Problem des minimalen Steiner-Baumes Ein polynomieller Approximationsalgorithmus Benedikt Wagner 4.05.208 INSTITUT FU R THEORETISCHE INFORMATIK, LEHRSTUHL ALGORITHMIK KIT Die Forschungsuniversita t
MehrAlgorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012
Algorithmen für Routenplanung 11. Vorlesung, Sommersemester 2012 Daniel Delling 6. Juni 2012 MICROSOFT RESEARCH SILICON VALLEY KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum
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 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
MehrUntersuchung von Beschleunigungsverfahren für den Dijkstra-Algorithmus im Zusammenhang mit multimodalem Routing
Untersuchung von Beschleunigungsverfahren für den Dijkstra-Algorithmus im Zusammenhang mit multimodalem David Georg Reichelt davidgeorg_reichelt@yahoo.de 22. September 2012 25.09.2012 David Georg Reichelt,
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
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 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
MehrKap. 6.6: Kürzeste Wege
Kap. 6.6: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1./. VO DAP SS 009./9. Juli 009 1 Nachtest für Ausnahmefälle Di 1. Juli 009, 16:00 Uhr,
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
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
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
MehrINSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
0. Übung Algorithmen I Veit Batz, Timo Bingmann, Christian Schulz, Vitaly Osipov INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 80 xb 0,8 xa + 0,7 xb 00 kg 0,06 xa + 0,2 xb 5 kg 60 xb 70 kg 40 20
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
MehrKap. 6.6: Kürzeste Wege
0.0.00 Nachtest für Ausnahmefälle Kap..: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund./. VO DAP SS 00./. Juli 00 Di. Juli 00, :00 Uhr, OH, R.
MehrAlgorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009
Algorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009 I NSTITUT F U R T HEORETISCHE I NFORMATIK, P ROF. D R. D OROTHEA WAGNER KIT Universita t des Landes Baden-Wu rttemberg und nationales
Mehr2. Übungsblatt zu Algorithmen II im WS 2016/2017
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Dr. Christian Schulz, Dr. Simon Gog Michael Axtmann. Übungsblatt zu Algorithmen II im WS 016/017 Aufgabe
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
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
MehrSchnellste Wege Wie funktioniert ein Navi?
Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik Vorlesung Ideen der Informatik Schnellste Wege Routenfinden im Navi Karten und Graphen Algorithmen
MehrAlgorithmen für Routenplanung
Algorithmen für Routenplanung 15. Vorlesung, Sommersemester 016 Moritz Baum 15. Juni 016 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
Mehr