Graphentheorie. Perfekte Graphen. Perfekte Graphen. Perfekte Graphen. Rainer Schrader. 22. Januar 2008
|
|
- Leonard Kästner
- vor 5 Jahren
- Abrufe
Transkript
1 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 22. Januar / 47 2 / 47 eine Clique in G ist ein induzierter vollständiger Teilgraph Gliederung α- und χ-perfektheit Replikation Klassen perfekter Graphen sei ω(g) die Kardinalität einer größten Clique (Cliquenzahl) bei einer Knotenfärbung müssen die Knoten einer Clique verschiedene Farben tragen daher gilt stets χ(g) ω(g) 3 / 47 4 / 47
2 die Ungleichung χ(g) ω(g) ist i. A. auch strikt: Wir nennen einen Graphen G χ-perfekt, falls gilt: für ungerade Kreise gilt stets χ(g) = 3 > 2 = ω(g) allgemeiner existieren Graphen mit beliebig großer chromatischer Zahl und Cliquenzahl 2 wir wollen Graphen untersuchen, bei denen Gleichheit herrscht d.h. Graphen G mit χ(g) = ω(g) wir verlangen jedoch eine schärfere Bedingung χ(h) = ω(h) für alle induzierten Teilgraphen H G Motivation für diese schärfere Bedingung: (i) sie ermöglicht induktive Argumentationen (ii) für hinreichend großes p (z.b. p = χ(g)) gilt immer χ(g K p ) = p = ω(g K p ) damit liefert die Bedingung χ(g) = ω(g) wenig strukturelle Information 5 / 47 6 / 47 wir suchen eine möglichst große Clique und zerlegen/überdecken mit stabile Mengen (Farbklassen) die Knoten einer stabilen Menge müssen durch verschiedene Cliquen überdeckt werden wir können auch die Rolle von Cliquen und stabilen Mengen vertauschen sei α(g) die Kardinalität einer größten stabilen Menge (Stabilitätszahl) wir überdecken jetzt den Graphen mit Cliquen die Cliquenüberdeckungszahl κ(g) ist die kleinste Anzahl von Cliquen, die die Knoten überdecken daher gilt κ(g) α(g) ein Graph G heißt α-perfekt, falls gilt: κ(h) = α(h) für alle induzierten Teilgraphen H G 7 / 47 8 / 47
3 wir haben damit zwei Perfektheitsbegriffe offensichtlich gilt: G χ-perfekt = G α-perfekt G α-perfekt = G χ-perfekt wir werden zeigen, dass beide Begriffe übereinstimmen Gliederung α- und χ-perfektheit Replikation Klassen perfekter Graphen dazu benötigen wir die folgende Konstruktion 9 / / 47 sei G = (V, E ) ein Graph und x V sei G x der Graph, der entsteht, wenn der Knoten x dupliziert wird x Lemma 1 (Berge) Sei h N n 0. Dann gilt: (i) G χ-perfekt G h χ-perfekt (ii) G α-perfekt G h α-perfekt. die Aussage ist richtig, falls G nur aus einem Knoten besteht sei sie also auch richtig für Graphen, die weniger Knoten haben als G allgemeiner: sei h = (h 1,..., h n ) N n 0 G h ist der Graphen, in dem jeder Knoten x j durch eine stabile Menge der Kardinalität h j ersetzt wird per Induktion über P n i=1 h i können wir annehmen, dass h ein Vektor aus lauter Einsen ist mit einer Komponente 2 wir betrachten also G x mit x als Kopie von x für h {0, 1} n sei G h der von den Knoten x j mit h j = 1 induzierte Teilgraph 11 / / 47
4 sei G induzierter echter Teilgraph von G x (ii) sei K eine Cliquenüberdeckung von G mit K = κ(g) = α(g) dann ist entweder G G oder G = H x für ein H G sei K x die Clique, die x enthält in beiden Fällen folgen (i) und (ii) per Induktion es bleibt also nur G x zu betrachten (i) da x und x nicht benachbart sind, liegen sie nicht in einer Clique somit ω(g x) = ω(g) da G χ-perfekt ist, existiert eine Färbung von G mit ω(g) Farben färbe x wie x dies liefert eine zulässige Färbung von G x mit ω(g) Farben wir unterscheiden zwei Fälle (a) x liegt in einer maximalen stabilen Menge sei S eine stabile Menge mit S = α(g) und x S dann ist S {x } stabil in G x, d.h. α(g x) = α(g) + 1 K {x } eine Cliquenüberdeckung von G x d.h. κ(g x) κ(g) / 47 damit folgt κ(g x) κ(g) + 1 = α(g) + 1 = α(g x) κ(g x), und somit α(g x ) = κ(g x ). 14 / 47 (b) x ist in keiner maximalen stabilen Menge: dann ist α(g x) = α(g) da κ(g) = α(g), schneidet jede Clique in K jede maximale stabile Menge genau einmal K x schneidet jede maximale stabile Menge genau einmal nach Voraussetzung liegt x in keiner maximalen stabilen Menge damit schneidet auch D = K x {x } jede maximale stabile Menge genau einmal sei H der von V D induzierte Untergraph dann ist α(h) = α(g) 1 stabile Mengen per Induktion gilt: κ(h) = α(h) = α(g) 1 = α(g x) 1 damit auch K x Cliquen K x sei K eine Cliquenüberdeckung von H der Kardinalität α(g x) 1 dann liefert K zusammen mit D {x } eine Cliquenüberdeckung mit κ(g x ) = α(g x) 15 / / 47
5 es war lange Zeit vermutet worden, dass die beiden Perfektheitsbegriffe äquivalent sind diese Vermutung ist schließlich von Lovász bewiesen worden: sei also G α-perfekt per Induktion ist ω(h) = χ(h) bewiesen für alle H G wir unterscheiden wieder zwei Fälle: Satz 2 (Lovász) G ist α-perfekt genau dann, wenn G χ-perfekt ist. die stabilen Mengen von Graphen G entsprechen den Cliquen von G daher reicht es zu zeigen, dass die α-perfektheit die χ-perfektheit impliziert (a) G enthält eine stabile Menge S, die jede maximale Clique schneidet dann ist ω(v S) = ω(g) 1 färbe: V S mit ω(g) 1 Farben S mit einer zusätzlichen Farbe d.h. ω(g) = χ(g). 17 / / 47 (b) keine stabile Menge S schneidet alle maximalen Cliquen sei S die Menge aller stabilen Mengen von G zu jedem S S existiert eine Clique K (S) mit K (S) = ω(g), S K (S) = für jedes v i V sei h i = {S S : v i K (S)} h i ist die Anzahl der stabilen Mengen S, so dass die zugehörige maximale Clique K (S) v i enthält wir ersetzen jeden Knoten v i sei also H = G h nach Lemma 1 ist H ebenfalls α-perfekt. durch eine stabile Menge der Größe h i weiter gilt: V (H) = X vi V h i = X X {v i } K (S) vi V = X S S = X S S S S X v i V K (S) {v i } K (S) = ω(g) S, nach Definition von K (S) nach Konstruktion von H enthält jede Clique von H höchstens eine Kopie eines Knoten somit ω(h) ω(g) 19 / / 47
6 somit ω(h) ω(g) weiter gilt T K (S) 1 für alle T S und S K (S) = 0 somit: α(h) = max T S = max T S = max T S = max T S S 1 X h i v i T X v i T X S S X {vi K (S)} S S X {v i K (S)} v i T X T K (S) S S somit gilt: (i) α(h) S 1, (ii) ω(h) ω(g) (iii) V (H) = ω(g) S da die Cliquen in einer Cliquenüberdeckung die Größe höchstens ω(h) haben können, folgt: somit: κ(h) V (H) ω(h) V (H) ω(g) = S κ(h) S > S 1 α(h), im Widerspruch zur α-perfektheit von H. 21 / / 47 Wir nennen einen Graphen perfekt, wenn er α-perfekt oder χ-perfekt ist Eine andere Formulierung des Satzes 2 ist somit: Korollar 3 Ein Graph ist genau dann perfekt, wenn sein Komplement perfekt ist. im nächsten Abschnitt werden wir spezielle Klassen von perfekten Graphen betrachten sie enthalten alle keine induzierte ungerade Kreise der Länge mindestens fünf wegen der Abgeschlossenheit unter Komplementbildung enthalten sie auch deren Komplemente nicht Berge hat 1966 die starke-perfekte-graphen-vermutung aufgestellt, dass diese Eigenschaft perfekte Graphen charakterisiert nach vielen vergeblichen Versuchen, diese Vermutung zu beweisen, ist sie im Jahr 2002 bewiesen worden. 23 / / 47
7 Satz 4 (Chudnovsky, Robertson, Seymour und Thomas) Ein Graph G ist genau dann perfekt, wenn weder G noch sein Komplement G einen induzierten ungeraden Kreis der Länge mindestens 5 enthält. für perfekte Graphen existieren polynomielle Verfahren, um eine minimale Färbung oder Knotenüberdeckung bzw eine maximale Clique oder stabile Menge zu bestimmen Gliederung α- und χ-perfektheit Replikation Klassen perfekter Graphen die Algorithmen beruhen jedoch auf Methoden, die den Rahmen dieser Vorlesung sprengen für spezielle Klassen von perfekten Graphen, von denen wir drei im folgenden Abschnitt einführen, gibt es dagegen einfache Verfahren, um die genannten Probleme optimal zu lösen. 25 / / 47 im folgenden geben wir einige Beispiele von Klassen perfekter Graphen an wir beweisen jeweils ihre Perfektheit wir beschreiben jedoch i. A. keine Verfahren zur Bestimmung einer minimalen Färbung oder einer maximalen Clique 1. bipartite Graphen für jeden bipartiten Graphen G mit mindestens einer Kante gilt offensichtlich χ(g) = 2 und ω(g) = 2 da ihre induzierten Teilgraphen wiederum bipartit sind, sind bipartite Graphen perfekt 2. Kantengraphen von bipartiten Graphen sei G ein Graph und L(G) sein Kantengraph eine unabhängige Menge in L(G) entsprecht einem Matching in G eine Clique in L(G) entspricht einer Menge von Kanten in G, die entweder einen K 3 bilden oder einen gemeinsamen Endknoten haben ist G bipartit, so folgt: eine Cliquenüberdeckung von L(G) entspricht einer Teilmenge von Knoten von G, die alle Kanten überdecken maximales Matching = minimale Knotenüberdeckung (König und Egerváry) damit gilt κ(l(g)) = α(l(g)) für bipartite Graphen G wegen der Abgeschlossenheit unter induzierten Teilgraphen, sind auch Kantengraphen bipartiter Graphen perfekt. 27 / / 47
8 3. Intervallgraphen sei T 1,..., T n eine Menge von abgeschlossenen Intervallen des R sie definiert einen Graphen auf n Knoten v 1,..., v n mittels (v i, v j ) E T i T j um an unser einführendes Beispiel anzuknüpfen: Prüfungen finden jeweils in einem Zeitintervall T i statt die Anzahl der benötigten Räume ist die Färbungszahl des zugehörigen Intervallgraphen entsprechend: ein Compiler legt Variableninhalte in Register ab die Variablen werden in Zeitintervallen T i benötigt die Färbungszahl des zugehörigen Intervallgraphen bestimmt die Anzahl der benötigten Register ein Graph heißt Intervallgraph, wenn er so erzeugt werden kann wir werden im nächsten Abschnitt sehen, dass Intervallgraphen perfekt sind. 29 / / chordale Graphen sei C = {v 1,..., v k } ein Kreis in einem Graphen G = (V, E ) eine Kante heißt Sehne (engl.: chord), falls sie zwei Knoten des Kreises miteinander verbindet, die im Kreis nicht benachbart sind ein Graph heißt chordal oder trianguliert, falls jeder Kreis der Größe mindestens 4 eine Sehne hat sei G ein Intervallgraph, v 1,..., v k ein sehnenfreier Kreis in G mit k > 3 und T i die zu den Knoten gehörenden Intervalle da sich die Intervalle benachbarter Knoten schneiden, können wir für 1 i k 1 Punkte p i T i T i+1 wählen sei p i < p i+1 dann ist ˆp i, p i+1 Ti+1 wäre p i+2 < p i+1, so wäre p i+2 T i+1 T i+3 Sehne und (v i+1, v i+3 ) eine somit bilden die p i s eine strikt steigende oder strikt fallende Folge. Lemma 5 Intervallgraphen sind chordal. dann können sich aber T 1 und T k nicht schneiden. 31 / / 47
9 chordale Graphen lassen sich ebenfalls über Schnitte geeigneter Objekte definieren: zu jedem chordalen Graph existiert ein Baum, die Knoten des Graphen entsprechen einer Menge von Teilbäumen des Baumes zwei Teilbäume schneiden sich genau dann, wenn die entsprechenden Knoten im Graphen benachbart sind chordale Graphen lassen sich einfach dekomponieren ein Knoten v eines Graphen heißt simplizial, wenn seine Nachbarn N(v ) eine Clique bilden Lemma 6 Jeder chordaler Graph G hat einen simplizialen Knoten. wir können annehmen, dass G nicht vollständig ist sei U eine maximale Teilmenge von Knoten, so dass gilt: G(U) ist zusammenhängend und U N(U) V eine solche Teilmenge existiert, da mindestens ein Knoten u mit dieser Eigenschaft existieren muss sei W = V (U N(U)) U W N(U) 33 / / 47 angenommen u, v N(U) sind nicht benachbart: U W N(U) angenommen für v N(U) und w W gilt (v, w ) / E : setze U = U v dann ist G(U ) zusammenhängend und U N(U ) V zur Maximalität von U sei (u, P, v ) ein kürzester Weg mit P U, der u und v verbindet ein solcher Weg existiert, da u, v N(U) und G(U) zusammenhängend ist sei w W u v w da w / N(U), induzieren P und u, v, w einen sehnenlosen Kreis der Länge mindestens vier zur Chordalität von G 35 / / 47
10 per Induktion enthält der von W indzuzierte Teilgraph einen simplizialen Knoten w für die Nachbarn von w in V W gilt: sie sind zu jedem Knoten in W benachbart sie sind untereinander benachbart damit ist w auch simplizial in G. Satz 7 Chordale Graphen sind perfekt. induzierte Teilgraphen von chordalen Graphen sind chordal per Induktion gilt für jeden echten Teilgraphen H bereits ω(h) = χ(h) sei v ein simplizialer Knoten von G dann ist offensichtlich N(v ) ω(g v ) per Induktion können wir G v mit ω(g v ) Farben färben ist N(v ) < ω(g v ), so haben wir eine dieser Farben frei, um v zu färben ist N(v ) = ω(g v ), so folgt ω(g) = ω(g v ) + 1 und wir färben v mit einer neuen Farbe damit ist G χ-perfekt und nach Satz 2 perfekt. 37 / / 47 Berechnung der Cliquenzahl sei G ein chordaler Graph sei v n,..., v 1 eine Anordnung der Knoten mit v i ist simplizial in G({v i,..., v 1 }) für i = n,..., 2 sei C eine Clique in G sei v i C der Knoten mit dem größten Index dann ist v i N(v i ) {v i 1,..., v 1 } eine Clique damit gilt C {v i } N(v i ) {v i 1,..., v 1 } somit ist jede maximale Clique von der Form {v i } N(v i ) {v i 1,..., v 1 } insbesondere gibt es höchstens n maximale Cliquen damit ist Färbungen sei k = ω(g) j ff ω(g) = max {v i } (N(v i ) {v i 1,..., v 1 }) 1 i n wende die Färbungsheuristik in der Reihenfolge v 1,..., v n jedes v i ist zu höchstens k 1 Knoten in {v i 1,..., v 1 } benachbart damit benötigt die Heuristik auch höchstens k Farben und liefert eine optimale Färbung. an 39 / / 47
11 5. transitiv orientierbare Graphen sei G = (V, E ) ein Graph Beispiele: die folgenden Graphen sind transitiv orientierbar: sei A eine Orientierung der Kanten in E A heißt transitive Orientierung, falls gilt: (u, v ), (v, w ) A = (u, w ) A insbesondere muss die Kante (u, v ) in E liegen G heißt transitiv orientierbar, wenn er eine transitive Orientierung besitzt der folgende Graph ist nicht transitiv orientierbar: 41 / / 47 Ein gerichteter G heißt azyklisch, wenn er keine gerichteten Kreise enthält Lemma 8 Eine transitive Orientierung eines transitiv orientierbaren Graphen ist azyklisch. sei v 1, v 2,..., v k ein gerichteter Kreis mit k 3 die Kanten (v 1, v 2 ), (v 2, v 3 ) erzwingen die Kante (v 1, v 3 ) die Kanten (v 3, v 4 ),..., (v k, v 1 ) erzwingen die Kante (v 3, v 1 ) Widerspruch transitive Orientierungen induzieren daher eine binäre Relation auf den Knoten: u v es gibt einen gerichteten Weg von u nach v zwei Knoten heißen vergleichbar, wenn sie in Relation stehen andernfalls heißen sie unvergleichbar eine Teilmenge K V heißt Kette, falls je zwei Elemente von K vergleichbar sind eine Teilmenge T V heißt Antikette, falls keine zwei Elemente von T vergleichbar sind beides sind Eigenschaften des Graphen und nicht der Orientierung Ketten entsprechen Cliquen und Antiketten entsprechen stabilen Mengen 43 / / 47
12 sei G ein transitiv orientierbarer Graph und A eine transitive Orientierung sei K = {u 1,... u r } eine Kette in K existiert ein u 1, so dass u 1 < u i für i = 2,..., r per Induktion lässt sich K damit vollständig anordnen d.h. es gilt u 1 < u 2 <... < u r K hat die Länge l(k ) = r K beginnt in u 1 und endet in u r Satz 9 Die maximale Länge einer Kette ist gleich der minimalen Anzahl disjunkter Antiketten, in die V zerlegt werden kann. für die Zerlegung einer Kette K werden sicherlich l(k ) Antiketten benötigt daher kann keine Kette länger sein als die Anzahl der Antiketten in einer Antiketten-Zerlegung umgekehrt ordnen wir jedem Element v V eine Höhe h(v ) zu sei h(v ) die maximale Länge einer Kette, die in v endet Es gilt folgende Dualitätsaussage: offensichtlich bilden Knoten mit gleicher Höhe eine Antikette wir erhalten somit eine Zerlegung in k Antiketten, wobei k = max v V h(v ) = max{l(k ) : K Kette in V }. 46 / / 47 induzierte Teilgraphen von transitiv orientierbaren Graphen sind transitiv orientierbar somit besagt Satz 9, dass transitiv orientierbare Graphen χ-perfekt sind zusammen mit Satz 2 ergibt sich die folgende Aussage: Satz 10 (Dilworth) Die minimale Anzahl von Ketten, in die V zerlegt werden kann, ist gleich der maximalen Größe einer Antikette. Es gilt genauer (ohne Beweis): Lemma 11 G ist Intervallgraph G ist chordal und und G transitiv orientierbar. 47 / 47
3-Färbbarkeit. Korollar: Zu Entscheiden, ob ein Graph k-färbbar ist mit k 3, ist NP-vollständig.
3-Färbbarkeit Wir wissen bereits, dass in polynomieller Zeit entschieden werden kann, ob ein Graph 2-färbbar ist. Satz: Zu Entscheiden, ob ein Graph 3-färbbar ist, ist NPvollständig. Beweis: Reduktion
MehrAlgorithmische Graphentheorie (WS2014/15)
Algorithmische Graphentheorie (WS2014/15) Kapitel 6 Perfekte Graphen Walter Unger Lehrstuhl für Informatik 1 02.12.2014 15:39 (6:2) Walter Unger 6.1.2015 17:16 WS2014/15 Z x Inhalt I 1 Einleitung Erinnerung
MehrGraphentheorie. Färbungen. Knoten- und Kantenfärbungen. Knoten- und Kantenfärbungen. Rainer Schrader. 28. Januar 2008
Graphentheorie Rainer Schrader Färbungen Zentrum für Angewandte Informatik Köln 28. Januar 2008 1 / 57 2 / 57 wir wollen versuchen, die Knoten eines Graphen zu färben dabei dürfen keine zwei benachbarten
MehrGraphentheorie. Zufallsgraphen. Zufallsgraphen. Zufallsgraphen. Rainer Schrader. 23. Januar 2008
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 3. Januar 008 1 / 45 / 45 Gliederung man könnte vermuten, dass ein Graph mit großer chromatischer Zahl einen dichten Teilgraphen enthalten
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
MehrZusammenfassung zu Graphentheorie
Sara Adams Zusammenfassung zu Graphentheorie - WS 2004/05 2 Inhaltsverzeichnis Zusammenfassung zu Graphentheorie Sara Adams 2. Juli 2005 Diese Zusammenfassung basiert auf der Vorlesung Graphentheorie gehalten
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
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
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
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
MehrKAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN
KAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN F. VALLENTIN, A. GUNDERT 1. Definitionen Notation 1.1. Ähnlich wie im vorangegangenen Kapitel zunächst etwas Notation. Wir beschäftigen uns jetzt mit ungerichteten
MehrKnotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E.
Knotenfärbung Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Die chromatische Zahl χ(g) eines Graphen G ist die minimale
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
MehrGraphentheorie. Zusammenhang. Zusammenhang. Zusammenhang. Rainer Schrader. 13. November 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 13. November 2007 1 / 84 2 / 84 Gliederung stest und Schnittkanten älder und Bäume minimal aufspannende Bäume Der Satz von Menger 2-zusammenhängende
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Klausurvorbereitung
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl.-Math. S. König, Dipl.-Math. A. Würfl, Klausurvorbereitung Die Klausur zum Propädeutikum Diskrete
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
MehrÜbungsaufgaben Graphentheorie, Wintersemester 2011/12
Übungsaufgaben Graphentheorie, Wintersemester 2011/12 Frank Göring 25. Januar 2012 Zusammenfassung Übungsaufgaben zur Graphentheorievorlesung. 1 Bis 19.10.2011 1. Wir hatten einen Graphen G als zusammenhängend
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
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
MehrGrundbegri e der Graphentheorie: Eckengrad, Wege und Kreise, Zusammenhang
raphen- und Berechenbarkeitstheorie rundbegri e der raphentheorie: Eckengrad, Wege und Kreise, Zusammenhang 0.1 raphen Ein raph ist ein aar = (V, E) disjunkter Mengen mit E [V ]2, wobei [V ]2 die Menge
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
MehrFerienkurs zum Propädeutikum Diskrete Mathematik. Technische Universität München
Ferienkurs zum Propädeutikum Diskrete Mathematik Andreas Würfl Stefan König Technische Universität München WS 09/10 Übersicht 1 Binäre Relationen 2 Elementares Zählen 3 Partitionen zählen 4 Erzeugende
MehrProseminar Graphentheorie Vortrag 3 Matching. Inhalt: 1. Grundlagen 2. Matchings in bipatiten Graphen 3. Matchings in allgemeinen Graphen
Proseminar Graphentheorie Vortrag 3 Matching Inhalt: 1. Grundlagen 2. Matchings in bipatiten Graphen 3. Matchings in allgemeinen Graphen 1. Grundlagen Definition Matching: Eine Menge M von unabhängigen
MehrDie Vermutungen von Hadwiger und
Die Vermutungen von Hadwiger und Hajós David Müßig Seminar zur Graphentheorie, WS 09/10 Wir alle kennen die Gleichung χ(x) ω(x). Diese Gleichung ist nicht nur einläuchtend, sondern auch mehr oder weniger
MehrTheoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009
Theoretische Informatik Rainer Schrader nichtdeterministische Turingmaschinen Zentrum für Angewandte Informatik Köln 29. April 2009 1 / 33 2 / 33 Turingmaschinen das Konzept des Nichtdeterminismus nahm
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
MehrKapitel 8: Bipartite Graphen Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege 4. Minimale spannende Bäume 5. Färbungen und Cliquen 6. Traveling Salesman Problem 7. Flüsse in Netzwerken
MehrZusammenfassung Graphentheorie
Inhaltsverzeichnis Zusammenfassung Graphentheorie Diskrete Strukturen II Quellen sind Diestels Graphentheorie und Wikipedia 1 Grundbegriffe 1 1.1 Definitionen..........................................
MehrAlgorithmische Graphentheorie (SS2013)
Algorithmische Graphentheorie (SS2013) Kapitel 1 Grundlagen Walter Unger Lehrstuhl für Informatik 1 08.05.2013 09:42 (1:2) Walter Unger 8.5.2013 10:26 SS2013 Z x Inhalt I 1 Einleitende Definitionen
MehrGraphen und Algorithmen
Graphen und Algorithmen Vorlesung #8: Färbungsprobleme Dr. Armin Fügenschuh Technische Universität Darmstadt WS 2007/2008 Übersicht Knotenfärbung (vs. Kanten- & Kartenfärbung) Satz von Brooks Algorithmen
Mehr1. Einige Begriffe aus der Graphentheorie
. Einige Begriffe aus der Graphentheorie Notation. Sei M eine Menge, n N 0. Dann bezeichnet P n (M) die Menge aller n- elementigen Teilmengen von M, und P(M) die Menge aller Teilmengen von M, d.h. die
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 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
MehrFerienkurs Propädeutikum Diskrete Mathematik
Ferienkurs Propädeutikum Diskrete Mathematik Teil 3: Grundlagen Graphentheorie Tina Janne Schmidt Technische Universität München April 2012 Tina Janne Schmidt (TU München) Ferienkurs Propädeutikum Diskrete
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
MehrVier-Farben-Vermutung (1)
Vier-Farben-Vermutung (1) Landkarten möchte man so färben, dass keine benachbarten Länder die gleiche Farbe erhalten. Wie viele Farben braucht man zur Färbung einer Landkarte? Vier-Farben-Vermutung: Jede
MehrUnendliche Graphen. Daniel Perz 24. Dezember Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind.
Unendliche Graphen Daniel Perz 24. Dezember 2011 1 Definition Definition 1. Ein Graph G heißt lokal endlich, wenn alle Knotengrade endlich sind. Definition 2. Ein Graph G=(V,E) heißt Strahl, wenn gilt
MehrFünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1
Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19 Fünfzehnte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 19 Definition
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.
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
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
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
MehrKapitel 1: Fallstudie Bipartite Graphen Gliederung der Vorlesung
Kapitel : Fallstudie Bipartite Graphen Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und. Minimal spannende Bäume. Kürzeste Wege 6. Traveling Salesman
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
MehrWilliam Rowan Hamilton,
3.2.2 Hamiltonkreise Definition 130. In einem Graph G = (V,E) nennt man einen Kreis, der alle Knoten aus V genau einmal durchläuft, einen Hamiltonkreis. Enthält ein Graph eine Hamiltonkreis, nennt man
Mehr3.2 Unabhängigkeitsstrukturen
80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen
MehrAusarbeitung über den Satz von Menger und den Satz von König
Ausarbeitung über den Satz von Menger und den Satz von König Myriam Ezzedine, 0326943 Anton Ksernofontov, 0327064 Jürgen Platzer, 0025360 Nataliya Sokolovska, 0326991 1. Beweis des Satzes von Menger Bevor
MehrWiederholung zu Flüssen
Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrFür die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt:
Der K 4 lässt sich auch kreuzungsfrei zeichnen: Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: ( ) n n (n 1) E
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
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrListenfärbung von Graphen
Listenfärbung von Graphen Martin Matković WS 2011/2012 Abstract Martin Matković 14. April 2012 In dieser Arbeit werden Definitionen und grundlegende Eigenschaften von Graphenfärbungen und speziell von
Mehr6. Planare Graphen und Färbungen
6. Planare Graphen und Färbungen Lernziele: Den Begriff der Planarität verstehen und erläutern können, wichtige Eigenschaften von planaren Graphen kennen und praktisch einsetzen können, die Anzahl von
MehrKapitel 5: Minimale spannende Bäume Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 01. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 01.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrDer Fünf-Farben-Satz. Lukas Schweighofer. Feb.2014
Der Fünf-Farben-Satz Lukas Schweighofer Feb.2014 1 Contents 1 Vorwort 3 2 Graphentheoretische Grundlagen 4 3 Satz 2 (Eulerscher Polyedersatz) 8 4 Satz 3 9 5 Der Fnf-Farben-Satz 10 5.1 Beweis 1..............................
MehrUntersuchungen zur Komplexität der Berechnung eines Kernels in clique-azyklischen Orientierungen perfekter Graphen
FernUniversität Hagen Fakultät für Mathematik und Informatik Diplomarbeit Untersuchungen zur Komplexität der Berechnung eines Kernels in clique-azyklischen Orientierungen perfekter Graphen Ute Mattheis
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 )
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
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
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.
MehrKlausur zum Modul Einführung in die Diskrete Mathematik
Klausur zum Modul Einführung in die Diskrete Mathematik 11.2.2014 Aufgabe 1 [10 Punkte] Sei G ein ungerichteter Graph, k N und x, y, z V (G). Zeigen Sie: Gibt es k paarweise kantendisjunkte x-y-wege und
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) 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
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
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
MehrZur Zykelschreibweise von Permutationen
Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).
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
Mehr8: Bipartite Graphen. s 1. bei dem es eine Kante zwischen s i und k gibt, wenn der Schüler s i die Note k für seine Arbeit bekommen hat.
Chr.Nelius: Graphentheorie (WS 2018/19) 8 Bipartite Graphen 26 8: Bipartite Graphen In einer Schulklasse mit 24 Schülern s 1,s 2,s 3,...,s 24 wurde eine Mathe Arbeit geschrieben. Um das Ergebnis bildlich
MehrKnoten-Partitionierung in feste Eigenschaften ist NP-schwer
Knoten-Partitionierung in feste Eigenschaften ist NP-schwer Seminar: Ausgewählte Kapitel der Informatik bei Prof. Dr. R. Schrader Seminarvortrag von Nils Rosjat Wintersemester 09 / 10 1 Einleitung Dieser
MehrGrundlagen der Theoretischen Informatik
1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von
Mehr5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 5. Musterlösung Problem : Vitale Kanten * In einem Netzwerk (D = (V, E); s, t; c) mit Maximalfluß f heißen Kanten e
MehrEindeutige Faktoren von Graphen Maximale Kantenzahl und Extremalgraphen
Eindeutige Faktoren von Graphen Maximale Kantenzahl und Extremalgraphen Von der Fakultät für Mathematik, Informatik und Naturwissenschaften der Rheinisch-Westfälischen Technischen Hochschule Aachen zur
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
MehrGrundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008
Grundlagen der Graphentheorie Thomas Kamps 6. Oktober 2008 1 Inhaltsverzeichnis 1 Definition von Graphen 3 2 Unabhängigkeit von Ecken und Kanten 3 3 Teil- und Untergraphen 4 4 Schnitt, Vereinigung und
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
MehrTutoraufgabe 1 (Suchen in Graphen):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn
MehrA Berlin, 10. April 2017
A Berlin, 10. April 2017 Name:... Matr.-Nr.:... Wiederholung der schriftlichen Prüfung zur Vorlesung Diskrete Strukturen (Niedermeier/Molter/Froese, Wintersemester 2016/17) Einlesezeit: 15 Minuten Bearbeitungszeit:
MehrWiederholung
Wiederholung Knotenfärbung von Graphen Chromatische Zahl χ(g) Beweis: Jeder planare Graph ist 5-färbbar Vierfarbensatz: Jeder planare Graph ist 4-färbbar. Kantenfärbung: χ (G) = (G) oder (G)+1 Matchings
MehrAlgorithmische Graphentheorie
Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2017 10. Vorlesung Planaritätstest und Färben planarer Graphen Graphen färben
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
MehrEcken des Zuordnungsproblems
Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem.
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
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
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
MehrA B = {(a,b) a A, b B}
Binäre Relationen Def: A, B zwei Mengen. Das kartesische Produkt von beiden ist A B = {(a,b) a A, b B} Eine MengeR A B heißt (zweistellige) Relation. Anstatt (a,b) R schreibt man oft auch arb. 1 SindR,S
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume. 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.
Mehr8. 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 Grundlagen
MehrEffiziente Algorithmen II
10. Präsenzaufgabenblatt, WiSe 2014/15 Übungstunde am 19.01.2015 Aufgabe Q Betrachten Sie das Knapsackpolytop P = conv(v ) mit V = {x n i=1 a ix i α} {0, 1} n für gegebenes α und a i 0 (insbesondere ist
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
MehrOperations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.
Operations Research Rainer Schrader Ganzzahlige lineare Programme Zentrum für Angewandte Informatik Köln 25. Juni 2007 1 / 49 2 / 49 Ganzzahlige lineare Programme Gliederung ganzzahlige lineare Programme
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
MehrOR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben
MehrSatz von Sarkovskii und Periode 3 impliziert Chaos
Satz von Sarkovskii und Periode 3 impliziert Chaos Florian Lindemann 10 Februar 2003 Vortrag für das Seminar Differentialgleichungen, WS 02/03 Dozent: Prof Lauterbach Wir wollen uns das Feigenbaum-Diagramm
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
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
Mehr