Schematisierung von Karten
|
|
- Helmut Heinrich
- vor 5 Jahren
- Abrufe
Transkript
1 Vorlesung Algorithmische Kartografie Schematisierung von (Straßen-)Karten LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg
2 Schematische Netzkarten Anforderungen: sehr starke Vereinfachung/Abstraktion Erkennbarkeit erhalten Einschra nkung der Kantenrichtungen Zeichne eingebetteten Graphen mit festen Knotenpositionen Dr. Martin No llenburg Vorlesung Algorithmische Kartografie
3 Kurzübersicht Graphenzeichnen Graph G = (V, E) besteht aus Menge von Knoten V und Menge von Kanten E V V. V = {v 1, v 2, v 3, v 4, v 5, v 6, v 7, v 8, v 9, v 10 } E = {(v 1, v 2 ), (v 1, v 8 ), (v 2, v 3 ), (v 3, v 5 ), (v 3, v 9 ), (v 3, v 10 ), (v 4, v 5 ), (v 4, v 6 ), (v 4, v 9 ), (v 5, v 8 ), (v 6, v 8 ), (v 6, v 9 ), (v 7, v 8 ), (v 7, v 9 ), (v 8, v 10 ), (v 9, v 10 )}
4 Kurzübersicht Graphenzeichnen Graph G = (V, E) besteht aus Menge von Knoten V und Menge von Kanten E V V. V = {v 1, v 2, v 3, v 4, v 5, v 6, v 7, v 8, v 9, v 10 } E = {(v 1, v 2 ), (v 1, v 8 ), (v 2, v 3 ), (v 3, v 5 ), (v 3, v 9 ), (v 3, v 10 ), (v 4, v 5 ), (v 4, v 6 ), (v 4, v 9 ), (v 5, v 8 ), (v 6, v 8 ), (v 6, v 9 ), (v 7, v 8 ), (v 7, v 9 ), (v 8, v 10 ), (v 9, v 10 )} Eine Graphenzeichnung ist eine Abbildung Γ in die Ebene R 2 jeder Knoten v V wird abgebildet auf Punkt Γ(v) jede Kante e = (u, v) E wird abgebildet auf Kurve Γ(e) mit Endpunkten Γ(u) und Γ(v).
5 Das Graph-Layout-Problem Metro-Line Crossing Minimization (MLCM) Graph-Layout-Problem geg: Graph G = (V, E) ges: schöne Zeichnung Γ
6 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Crossing Minimization (MLCM) geg: Graph G = (V, E) ges: schöne Zeichnung Γ Aber was heißt schön? definiere Kriterien für schöne Zeichnungen
7 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Crossing Minimization (MLCM) geg: Graph G = (V, E) ges: schöne Zeichnung Γ Aber was heißt schön? definiere Kriterien für schöne Zeichnungen Metro-Line 1) Zeichenkonventionen Crossing Minimization (MLCM) zwingende Layouteigenschaften, z.b. geradlinige Kanten eingeschränkte Kantenrichtungen Gitterzeichnungen kreuzungsfrei
8 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Crossing Minimization (MLCM) geg: Graph G = (V, E) ges: schöne Zeichnung Γ Aber was heißt schön? definiere Kriterien für schöne Zeichnungen 1) Zeichenkonventionen Metro-Line Crossing Minimization (MLCM) 2) Ästhetikkriterien Optimierungskriterien, z.b. Anzahl Kreuzungen/Knicke uniforme Kantenlängen Winkelauflösung...
9 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Crossing Minimization (MLCM) geg: Graph G = (V, E) ges: schöne Zeichnung Γ Aber was heißt schön? definiere Kriterien für schöne Zeichnungen 1) Zeichenkonventionen Metro-Line Crossing Minimization (MLCM) 2) Ästhetikkriterien Metro-Line Crossing Minimization (MLCM) 3) Lokale Nebenbedingungen eingeschränkte Positionen für Nachbarknoten Bedingungen für Knotengruppen...
10 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Graph-Layout-Problem Crossing Minimization 2.0 (MLCM) geg: Graph geg: Graph G = (V, G = E) (V, E) ges: schöne ges: Zeichnung Γ, Γdie Zeichenkonventionen erfüllt Ästhetikkriterien Aber was optimiert heißt schön? lokale definiere Nebenbedingungen Kriterien für schöne erfüllt Zeichnungen 1) Zeichenkonventionen Metro-Line Crossing Minimization (MLCM) 2) Ästhetikkriterien Metro-Line 3) Lokale Nebenbedingungen Crossing Minimization (MLCM) eingeschränkte Positionen für Nachbarknoten Bedingungen für Knotengruppen...
11 Das Graph-Layout-Problem Metro-Line Graph-Layout-Problem Graph-Layout-Problem Crossing Minimization 2.0 (MLCM) geg: Graph geg: Graph G = (V, G = E) (V, E) ges: schöne ges: Zeichnung Γ, Γdie Zeichenkonventionen erfüllt Ästhetikkriterien Aber was optimiert heißt schön? lokale definiere Nebenbedingungen Kriterien für schöne erfüllt Zeichnungen 1) Zeichenkonventionen G kann geometrisch oder kombinat. Metro-Line 2) Ästhetikkriterien Crossing Minimization eingebetteter (MLCM) Graph sein Metro-Line 3) Lokale Nebenbedingungen Crossing Minimization (MLCM) eingeschränkte Positionen für Nachbarknoten Bedingungen für Knotengruppen...
12 Schematisierung Hier bedeutet Schematisierung das Zeichnen von Graphen mit diskreten und oft uniformen Winkeleinschränkungen für die Kantenrichtungen/-steigungen.
13 Schematisierung Hier bedeutet Schematisierung das Zeichnen von Graphen mit diskreten und oft uniformen Winkeleinschränkungen für die Kantenrichtungen/-steigungen. Beispiele:... rektilinear hexilinear oktilinear
14 Schematisierung Hier bedeutet Schematisierung das Zeichnen von Graphen mit diskreten und oft uniformen Winkeleinschränkungen für die Kantenrichtungen/-steigungen. Beispiele: Winkeleinschränkungen meist als Zeichenkonventionen modelliert... rektilinear hexilinear oktilinear
15 Schematische Straßenkarten Geg: Straßenkarte M = {c 1,..., c m }, wobei jedes c i einfacher Kantenzug ist und keine zwei c i, c j (i j) sich schneiden (außer an gemeinsamen Endknoten) Ges: Topologisch äquivalente schematische Karte M = {c 1,..., c m} mit gleichen Endpunkten wie M, wobei jedes c i oktilinear ist und 2 Knicke hat verzerre Straßenform, aber nicht Kreuzungen und Orte Eingabekarte M oktilineare Ausgabekarte M
16 Schematische Straßenkarten Geg: Straßenkarte M = {c 1,..., c m }, wobei jedes c i einfacher Kantenzug ist und keine zwei c i, c j (i j) sich schneiden (außer an gemeinsamen Endknoten) Ges: Topologisch äquivalente schematische Karte M = {c 1,..., c m} mit gleichen Endpunkten wie M, wobei jedes c i oktilinear ist und 2 Knicke hat verzerre Straßenform, aber nicht Kreuzungen und Orte alle Punkte auf richtiger Seite, korrekte zyklische Ordnung an Kreuzungen Eingabekarte M oktilineare Ausgabekarte M
17 Notation Betrachte Kantenzug/Pfad c als Abbildung c : [0, 1] R 2, wobei die Endpunkte jeweils c(0) und c(1) sind. c(0) c c(1) P M : Menge der Endpunkte von M
18 Äquivalente Karten Def: Gegeben Menge von Hindernissen P sind zwei Pfade c, c äquivalent, falls es eine stetige Abbildung F : [0, 1] 2 R 2 \ P gibt, die c in c transformiert Def: Zwei Karten M und M sind äquivalent, falls alle c i M und c i M äquivalent in (R 2 \ P m ) {c i (0), c i (1)} sind äquivalent nicht äquivalent
19 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad.
20 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. nichts
21 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. nichts unter
22 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. über nichts unter
23 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. über nichts unter beides
24 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. über nichts unter beides
25 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. nichts über nichts unter beides
26 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. nichts über nichts unter beides unter
27 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. nichts nichts unter über beides unter unter
28 Vertikale Pfadordnung Def: Für Pfad a und Punkt p liegt p oberhalb/unterhalb von a, falls für jeden zu a äquivalenten Pfad a in R 2 \ {p} der entsprechende vertikale Strahl von p Pfad a schneidet. Die Ordnung zweier Pfade a, b ist definiert durch die Lage der Endpunkte des einen Pfades zum anderen Pfad. Bem: Für x-monotone Pfade ist die Definition äquivalent zur Definition a oberhalb b (a b) gdw. es Punkte (x, y a ) a und (x, y b ) b gibt mit y a > y b.
29 Ordnung in monotonen Karten Karte M ist monoton, falls jeder Pfad in M x-monoton ist. Lemma 1: Für monotone Karte M ist die Vertikalordnung azyklisch; eine Totalordnung, die erweitert, kann in O(n log n) Zeit bestimmt werden, wobei n die Knotenzahl in M ist. Beweis: Übungsblatt
30 Ordnung in monotonen Karten Karte M ist monoton, falls jeder Pfad in M x-monoton ist. Lemma 1: Für monotone Karte M ist die Vertikalordnung azyklisch; eine Totalordnung, die erweitert, kann in O(n log n) Zeit bestimmt werden, wobei n die Knotenzahl in M ist. Beweis: Übungsblatt Lemma 2: Zwei monotone Karten M und M sind äquivalent gdw. sie die gleiche Vertikalordnung definieren. Beweis: Tafel
31 Kanonische Folgen Sei P Punktmenge und c ein Pfad. c r p q
32 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P.
33 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q
34 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q Lösche benachbarte Paare gleicher Strahlen um die kanonische Folge von c zu erhalten.
35 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q Lösche benachbarte Paare gleicher Strahlen um die kanonische Folge von c zu erhalten.
36 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q Lösche benachbarte Paare gleicher Strahlen um die kanonische Folge von c zu erhalten.
37 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p c l + q l + r r p q l p l q l r Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q Lösche benachbarte Paare gleicher Strahlen um die kanonische Folge von c zu erhalten.
38 Kanonische Folgen Sei P Punktmenge und c ein Pfad. l + p Lemma 3: [Cabello, Liu, Mantler, Snoeyink 04] c Zwei Pfade c und c mit den gleichen r Endpunkten sind l p l + q äquivalent bzgl. P gdw. sie p qdie gleiche kanonische Folge besitzen. l q Definiere vertikale Strahlen l + p und l p für jeden Punkt p in P. Betrachte Folge von gekreuzten Strahlen beim Laufen entlang von c. l + p, l + q, l + r, l r, l + q, l q, l r, l r, l q, l + q Lösche benachbarte Paare gleicher Strahlen um die kanonische Folge von c zu erhalten. l + r l r
39 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
40 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
41 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
42 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
43 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
44 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend > 1 2 3
45 Skizze des Schematisierungs-Algorithmus [Cabello, de Berg, van Kreveld 05] Input: Karte M Output: schematisierte äquivalente Karte M (falls existiert) 1 zerlege nicht-monotone Pfade in monotone Teile 2 erstelle rektifizierte Karte R mit achsenparallelen Pfaden 3 wandle R in kanonische Form R c um 4 berechne Totalordnung > der Pfade aus R c 5 konstruiere inkrementell schematische Karte M durch höchstmögliches Hinzufügen von Pfaden entsprechend >
46 Rektifizierte Karte Nach dem Zerlegen von M in monotone Teilpfade ergibt Lemma 1 eine Totalordnung der Teilpfade in O(n log n) Zeit. Sei c k i ein monotoner Teilpfad von c i mit linkem Endpunkt (p x, p y ) und rechtem Endpunkt (q x, q y ). (p x, p y ) c k i (q x, q y ) Lemma 1: Für monotone Karte M ist die Vertikalordnung azyklisch; eine Totalordnung, die erweitert, kann in O(n log n) Zeit bestimmt werden, wobei n die Knotenzahl in M ist.
47 Rektifizierte Karte Nach dem Zerlegen von M in monotone Teilpfade ergibt Lemma 1 eine Totalordnung der Teilpfade in O(n log n) Zeit. Sei c k i ein monotoner Teilpfad von c i mit linkem Endpunkt (p x, p y ) und rechtem Endpunkt (q x, q y ). (p x, p y ) c k i (q x, q y ) Erstelle horizontale Strecke h k i = [p x, q x ] r k i, wobei rk i der Rang von c k i in der Totalordnung ist. h k i
48 Rektifizierte Karte Nach dem Zerlegen von M in monotone Teilpfade ergibt Lemma 1 eine Totalordnung der Teilpfade in O(n log n) Zeit. Sei c k i ein monotoner Teilpfad von c i mit linkem Endpunkt (p x, p y ) und rechtem Endpunkt (q x, q y ). (p x, p y ) c k i (q x, q y ) Erstelle horizontale Strecke h k i = [p x, q x ] r k i, wobei rk i der Rang von c k i in der Totalordnung ist. h k i Verknüpfe horizontale Strecken des gleichen Pfades c i vertikal zu einem Pfad c i. Das ergibt rektifizierte Karte R.
49 Rektifizierte Karte Nach Lemma dem Zerlegen 4: von M in monotone Teilpfade ergibt Lemma R ist1eine einekarte, Totalordnung die die gleiche der Teilpfade vertikaleinpfadordnung O(n log n) Zeit. wie Sei c k i ein M monotoner hat. Ihre Komplexität Teilpfad von ist c linear in der von M und sie kann in O(n log n) Zeit erstellt i mit linkem werden. Endpunkt (p x, p y ) und rechtem Endpunkt (q x, q y ). (p x, p y ) c k i (q x, q y ) Erstelle horizontale Strecke h k i = [p x, q x ] r k i, wobei rk i der Rang von c k i in der Totalordnung ist. h k i Verknüpfe horizontale Strecken des gleichen Pfades c i vertikal zu einem Pfad c i. Das ergibt rektifizierte Karte R.
50 Kanonische rektifizierte Karte Die rektifizierte Karte R kann in O(n log n) Zeit in ihre kanonische Rektifizierung überführt werden. [Cabello, Liu, Mantler, Snoeyink 04] Jeder Pfad in der kanonischen Rektifizierung R ist äquivalent zu einem Pfad in R und hat die minimale Anzahl x-monotoner Teilstücke.
51 Kanonische rektifizierte Karte Die rektifizierte Karte R kann in O(n log n) Zeit in ihre kanonische Rektifizierung überführt werden. [Cabello, Liu, Mantler, Snoeyink 04] Jeder Pfad in der kanonischen Rektifizierung R ist äquivalent zu einem Pfad in R und hat die minimale Anzahl x-monotoner Teilstücke. Idee: I X = x 0 y i 1xi Pfad c i als Liste x 0, y 0, x 1, y 1,..., y n 1, x n für i = 1,..., n erstelle kanonischen rektifizierten Pfad von (x 0, y 0 ) bis (x i, y i 1 ) auf Stack S fünf Fälle für (y i 1, x i ) und top3(s) = X, Y s, X s x i X X s x i X s X X s p II III IV V x i X x i X s X
52 Äquivalente monotone Karte Satz 1: Für eine Karte M mit n Knoten, kann die Existenz einer äquivalenten monotonen Karte in O(n log n) Zeit entschieden werden. Beweis: (Skizze) nutze range query Datenstruktur kanonische Rektifizierung N berechnen: O(n log n) Zeit
53 Äquivalente monotone Karte Satz 1: Für eine Karte M mit n Knoten, kann die Existenz einer äquivalenten monotonen Karte in O(n log n) Zeit entschieden werden. Beweis: (Skizze) kanonische Rektifizierung N berechnen: O(n log n) Zeit kanonische Folge eines Pfads c in M und seiner Rektifizierung c in N (mehrfache Vorkommen eines Punkts zählen einfach) sind identisch
54 Äquivalente monotone Karte Satz 1: Für eine Karte M mit n Knoten, kann die Existenz einer äquivalenten monotonen Karte in O(n log n) Zeit entschieden werden. Beweis: (Skizze) kanonische Rektifizierung N berechnen: O(n log n) Zeit kanonische Folge eines Pfads c in M und seiner Rektifizierung c in N (mehrfache Vorkommen eines Punkts zählen einfach) sind identisch Beh: N monoton M hat äquivalente monotone Karte
55 Äquivalente monotone Karte Satz 1: Für eine Karte M mit n Knoten, kann die Existenz einer äquivalenten monotonen Karte in O(n log n) Zeit entschieden werden. Beweis: (Skizze) kanonische Rektifizierung N berechnen: O(n log n) Zeit kanonische Folge eines Pfads c in M und seiner Rektifizierung c in N (mehrfache Vorkommen eines Punkts zählen einfach) sind identisch Beh: N monoton M hat äquivalente monotone Karte Korollar 1: Wenn eine Karte M eine äquivalente monotone Karte besitzt, kann eine passende Totalordnung der Pfade in O(n log n) Zeit berechnet werden. Folgt aus Satz 1 und Lemma 1.
56 Platzieren von Pfaden Definiere Typen zulässiger Pfade, z.b. {HDH, V DV } HDH V DV
57 Platzieren von Pfaden Definiere Typen zulässiger Pfade, z.b. {HDH, V DV } Füge Pfade von M als HDH- oder V DV -Pfade nach der Totalordnung der kanonischen Rektifizierung ein. HDH V DV Verwalte lower envelope der Pfade als binären Suchbaum und platziere jeden neuen Pfad höchstmöglich (maximaler Platz für den Rest).
58 Platzieren von Pfaden Definiere Typen zulässiger Pfade, z.b. {HDH, V DV } Füge Pfade von M als HDH- oder V DV -Pfade nach der Totalordnung der kanonischen Rektifizierung ein. HDH V DV Verwalte lower envelope der Pfade als binären Suchbaum und platziere jeden neuen Pfad höchstmöglich (maximaler Platz für den Rest). Optional: vertikaler Mindestabstand, erlaube/verbiete gemeinsame Teilpfade. keine gemeinsamen Teilpfade gem. Teilpfade gem. Teilpfade mit Mindestabstand
59 Ergebnis [Cabello et al. 05] Satz 2: Gegeben eine Karte M, kann eine äquivalente monotone HDH/VDV-Karte in O(n log n) Zeit berechnet werden, falls sie existiert; andernfalls lässt sich Nichtexistenz melden. Schienennetz von Irland
Übung Algorithmische Kartografie Übungsblatt 2 & 3
Übung Algorithmische Kartografie Übungsblatt 2 & 3 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 23.05.2013 Übungsblatt 2 Schematisierung
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y0 y x x0 Bisher
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.07.2012 Objekttypen in Bereichsabfragen y0 y x x0 Bisher
MehrProportional Symbol Maps
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 25.06.2015 1 Statistische Visualisierung
MehrBereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 20.05.2014 Objekttypen in Bereichsabfragen y0 y0 y x x0 Bisher betrachteter Fall Eingabe:
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.05.2011 Motivation Gegeben eine Position p = (p x, p y )
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2013 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Martin Fink Büro E14 (Mathebau)
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.04.2014 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.06.2014 1 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie Teil 2 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 11.06.2013 Die Ära der dynamischen Karten Die meisten
MehrGruppenpräsentationen und Zusammenfassung
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 16.07.2013 1 Algorithmische Kartografie in der Praxis Projekt
MehrFlächenaggregation LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Kartografie Flächenaggregation LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 09.07.2013 1 Flächenaggregation Flächennutzung
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 07.05.204 Ablauf Vergabe der Projekte Übungsblatt
MehrVoronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.06.2014 1 Das Postamt-Problem b(p, q) = {x 2 R 2 : xp = xq } p q h(p, q) h(q, p) = {x
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.05.2012 Das Kunstgalerie-Problem Aufgabe: Installiere ein Kamerasystem
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 21.06.2011 Motivation: Meshing von Platinenlayouts Zur Simulation
MehrPunktbeschriftung in Landkarten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 07.05.2013 Klassische Kartenbeschriftung Poor, sloppy, amateurisch
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
MehrWinkelschematisierung im Graphenzeichnen
Winkelschematisierung im Graphenzeichnen Angular Schematization in Graph Drawing Philipp Kindermann Lehrstuhl für Informatik I Universität Würzburg Größtenteils finanziert durch das ERC/DFG-Projekt Graph
MehrKanonische Ordnungen und die Mondshein-Sequenz
Kanonische Ordnungen und die Mondshein-Sequenz a.k.a. (2,)-Order 2 8 0 9 5 7 6 2 Überblick Geradlinige Zeichnungen Kanonische Ordnungen + Shift-Algorithmus Erweiterungen durch Ohrendekompositionen Mondshein-Sequenz
MehrLagenlayouts. 13. November 2014 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Algorithmen zur Visualisierung von Graphen Lagenlayouts INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Ignaz Rutter 13. November 2014 1 Graphenvisualisierung 2 Graphen und ihre Darstellung
MehrKlausur. 18. Juli 2008, 10:15-12:15 Uhr. Name:... Matrikelnummer:... Anzahl beschriebener Blätter (ohne Aufgabenblatt):... D(p) : Y = p x X + p y
GRUNDZÜGE DER ALGORITHMISCHEN GEOMETRIE Klausur 18. Juli 2008, 10:15-12:15 Uhr Name:................................... Matrikelnummer:................................... Anzahl beschriebener Blätter (ohne
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrMap Labeling, U-Bahnpläne und dynamische Landkarten
Map Labeling, U-Bahnpläne und dynamische Landkarten Alternatives Modell: Boundary Labeling Nord-Pas de Calais Picardie Haute-Normandie Basse-NormandieChampagne-Ardenne Ile-de-France Lorraine Bretagne Alsace
MehrAlgorithmen zur Visualisierung von Graphen Einführung
Algorithmen zur Visualisierung von Graphen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg 22.10.2013 1 Organisatorisches Dozenten Tamara Mchedlidze mched@iti.uka.de
MehrKreuzungen, Kurven und Constraints beim Zeichnen von Graphen
Kreuzungen, Kurven und Constraints beim Zeichnen von Graphen Crossings, Curves, and Constraints in Graph Drawing Martin Fink Lehrstuhl für Informatik I Universität Würzburg 1 /23 Warum Graphen zeichnen?
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serien-parallele Graphen Vorlesung im Wintersemester 20/202..202 Algorithmen zum Zeichnen von Bäumen Anwendbarkeit Gut
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrAlgorithmische Geometrie, SoSe 2005 Skriptmitschrift vom 29. April 2005
Algorithmische Geometrie, SoSe 2005 Skriptmitschrift vom 29. April 2005 Antonia Wittmers Igor Savchenko Konvexe Hüllen Inkrementeller Algorithmus für die konvexe Hülle Dabei heißt inkrementeller Algorithmus,
MehrSichtbarkeitsgraph. Andreas Gemsa Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Sichtbarkeitsgraph LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 19.07.2012 Ablauf Nachtrag Sichtbarkeitsgraph WSPD
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.06.2012 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrBereichsabfragen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.05.2011 Geometrie in Datenbanken In einer Personaldatenbank
MehrDelaunay-Triangulierungen
Vorlesung Algorithmische Geometrie Delaunay-Triangulierungen INSTITUT FU R THEORETISCHE INFORMATIK FAKULTA T FU R INFORMATIK Martin No llenburg 10.06.2014 Grafik c Rodrigo I. Silveira 1 Dr. Martin No llenburg
MehrSichtbarkeitsgraphen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.07.2011 Bewegungslanung für Roboter Ideen?? Problem: Gegeben
MehrFlächenaggregation. Benjamin Niedermann Vorlesung Algorithmische Kartografie /
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 30.04.205/05.05.205 Flächennutzung Maßstab
Mehr2.2. Schnitte von Liniensegmenten
Wir wenden uns nun dem Problem (2) aus 1 zu. F15 Aus zwei Mengen S1, S2 von Liniensegmenten möchten wir alle Schnittpunkte der Segmente aus S1 mit denen aus S2 ermitteln. Wir legen fest, dass sich zwei
MehrLineare Programmierung
Übung Algorithmische Geometrie Lineare Programmierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 14.05.2014 Übersicht Übungsblatt 4 Lineares
MehrUberblick 1. Kurzeste Wege 2. Sichtbarkeitsgraphen 3. Berechnung des Sichtbarkeitsgraphen 4. Kurzeste Wege fur polygonale Roboter 1
Vorlesung Geometrische Algorithmen Sichtbarkeitsgraphen und kurzeste Wege Sven Schuierer Uberblick 1. Kurzeste Wege 2. Sichtbarkeitsgraphen 3. Berechnung des Sichtbarkeitsgraphen 4. Kurzeste Wege fur polygonale
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
MehrAlgorithmische Geometrie 3. Schnitte von Liniensegmenten
Algorithmische Geometrie 3. Schnitte von Liniensegmenten JProf. Dr. Heike Leitte Computergraphik und Visualisierung Inhaltsverzeichnis 1. Einführung 2. Konvexe Hülle 3. Schnitte von Liniensegmenten 4.
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts Teil 2
Algorithmen zur Visualisierung von Graphen Teil 2 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg Ignaz Rutter 18.12.2012 Geg.: gerichteter Graph D = (V,
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 03.12.2013 Algorithmische Geometrie: Schnitte von Strecken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrQuadtrees und Meshing
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.06.2014 Motivation: Meshing von Platinenlayouts Zur Simulation der Hitzeentwicklung
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Teile & Herrsche-Algorithmen: Bäume und serien-parallele Graphen Vorlesung im Wintersemester 202/203 Tamara Mchedlidze Martin Nöllenburg 23. Oktober 202 Algorithmen
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Rückblick und aktuelle Forschungsthemen Vorlesung im Wintersemester 2012/2013 5.2.2013 Vorlesungsrückblick 1. Einführung 2. Baumlayouts 3. Serien-parallele Graphen
MehrPunktbeschriftung in Landkarten
Vorlesung Algorithmische Kartografie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 21./26.05.2015 1 Wo sind wir gerade? Ebene Block Termine Themen Einführung
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
MehrAnwendungen der WSPD & Sichtbarkeitsgraphen
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 08.07.2014 1 Wdh.: Well-Separated Pair Decomposition Def.: Ein Paar disjunkter Punktmengen
MehrVoronoi-Diagramme und Delaunay-Triangulierungen
Vorlesung Algorithmische Geometrie Voronoi-Diagramme & Delaunay-Triangulierungen LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 07.06.2011 Erinnerung:
MehrVorlesung Algorithmische Kartografie. Übungsblatt 9. Benjamin Niedermann
Übung Algorithmische Kartografie Übungsblatt 9 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 04.07.2013 Problemstellung Geg: politische Karte
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
MehrVorlesung Algorithmische Geometrie Konvexe Hülle in R 3
Vorlesung Algorithmische Geometrie Konvexe Hülle in R 3 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 15.07.2014 1 Wdh: Konvexe Hülle in R 2 (VL1) Def: Eine Menge S R 2
MehrPolygontriangulierung
Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 05.05.2011 Ablauf Besprechung ÜB3 Korrektheitsbeweis
MehrAlgorithmische Graphentheorie
Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2014 10. Vorlesung Planaritätstest Planaritätstest Satz. [Hopcroft & Tarjan,
MehrAlgorithmen zur Visualisierung von Graphen Lagenlayouts
Algorithmen zur Visualisierung von Graphen Lagenlayouts Marcus Krug Institut für Theoretische Informatik 25.06.2009 1/ 41 E-Mail-Graph der Fakultät für Informatik 2/ 41 E-Mail-Graph der Fakultät für Informatik
MehrVorlesung Algorithmische Geometrie Konvexe Hülle im R 3
Vorlesung Algorithmische Geometrie Konvexe Hülle im R 3 LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 26.06.2012 Prüfung! Termine: 20. Juli 27.
Mehr2. Triangulation ebener Punktmengen. 3. Definition und Eigenschaften der Delaunay Triangulation
Delaunay Triangulation 1. Motivation 2. Triangulation ebener Punktmengen 3. Definition und Eigenschaften der Delaunay Triangulation 4. Berechnung der Delaunay Triangulation (randomisiert, inkrementell)
MehrÜbungsblatt 7 - Voronoi Diagramme
Karlsruher Institut für Technologie Algorithmische Geometrie Fakultät für Informatik Sommersemester 2012 ITI Wagner Martin Nöllenburg/Andreas Gemsa Übungsblatt 7 - Voronoi Diagramme 1 Voronoi-Zellen Sei
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
MehrDualität + Quad-trees
Übung Algorithmische Geometrie Dualität + Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 30.06.2011 Übersicht Übungsblatt 10 - Dualität
MehrBeschriftung in Dynamischen Karten
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 04.06.2013 Was ist eine Landkarte? r e d o Dr. Martin No
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrVorlesung Algorithmische Kartografie
Übung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 18.07.2013 Wiederholung Themen der Vorlesung: Linienvereinfachung
MehrFlussmethoden: orthogonales Graphenzeichnen
Algorithmen zur Visualisierung von Graphen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Tamara Mchedlidze Martin Nöllenburg 04.2.203 Orthogonale Gitterzeichnungen 2 Orthogonale Gitterzeichnungen
MehrVisualisierung von Graphen
1 Visualisierung von Graphen Teile-und-Herrsche-Algorithmen: Bäume und serienparallele Graphen 3. Vorlesung Sommersemester 2013 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) 2 Ankündigung
MehrAlgorithmen für Geographische Informationssysteme
Algorithmen für Geographische Informationssysteme 2. Vorlesung: 16. April 2014 Thomas van Dijk basiert auf Folien von Jan-Henrik Haunert Map Matching? Map Matching! Map Matching...als Teil von Fahrzeugnavigationssystemen
MehrAnwendungen der WSPD & Sichtbarkeitsgraphen
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 10.07.2012 Wdh.: Well-Separated Pair Decomposition Def.: Ein Paar disjunkter Punktmengen
MehrEinführung & Konvexe Hülle
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.04.2011 AlgoGeom-Team Dozent Martin Nöllenburg noellenburg@kit.edu
MehrAlgorithmische Geometrie: Voronoi Diagramme (Teil 2)
Algorithmische Geometrie: Voronoi Diagramme (Teil 2) Nico Düvelmeyer WS 2009/2010, 12.1.2010 Überblick 1 Definition und grundlegende Eigenschaften (Wied.) 2 Bestimmung des Voronoi Diagramms Gleitebenenverfahren
MehrFelix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09
Felix Brandt, Jan Johannsen Vorlesung im Wintersemester 2008/09 Übersicht Übersicht Definition Ein Matching in G = (V, E) ist eine Menge M E mit e 1 e 2 = für e 1, e 2 M, e 1 e 2 Ein Matching M ist perfekt,
MehrZusammenfassung. Benjamin Niedermann Vorlesung Algorithmische Kartografie
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 02.07.2015 1 Wiederholung Themen der
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
MehrAlgorithmische Geometrie: Arrangements und
Algorithmische Geometrie: Arrangements und Dualität Nico Düvelmeyer WS 2009/2010, 19.1.2010 Überblick 1 Strahlenverfolgung und Diskrepanz 2 Dualität Dualitäts-Abbildung Transformation des Problems zur
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrDistanzprobleme in der Ebene
Distanzprobleme in der Ebene (Literatur: deberg et al., Kapitel 7,9) Christian Knauer 1 Motivation: Alle nächsten Nachbarn Gegeben: Eine Menge von Punkten P in der Ebene Berechne: Zu jedem Punkt aus P
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
MehrAlgorithmische Geometrie: Abfragen Orthogonaler Bereiche
Algorithmische Geometrie: Abfragen Orthogonaler Bereiche Nico Düvelmeyer WS 2009/2010, 8.12.2009 Überblick 1 1-dimensionale Bereichsabfragen 2 Kd-Baum Struktur Aufbau Abfrage mit dem Kd-Baum 3 Range-Baum
MehrEinführung & Konvexe Hülle
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 17.04.2012 AlgoGeom-Team Dozent Martin Nöllenburg noellenburg@kit.edu
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
MehrAlgorithmen zur Visualisierung von Graphen
Gitterlayouts fu r planare Graphen I NSTITUT F U R T HEORETISCHE I NFORMATIK L EHRSTUHL A LGORITHMIK I M ARCUS K RUG KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum in der
MehrQuad-trees. Benjamin Niedermann Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann 02.07.2014 Übersicht Übungsblatt 11 - Quadtrees Motivation:
MehrLiniensegmentschnitt. Doppelt verkettete Kantenliste. Überlagerung von 2 ebenen Graphen. Boolsche Operatoren für einfache Polygone (LEDA)
Liniensegmentschnitt Motivation, Überlagerung von Karten, Problemformulierung Ein einfaches Problem und dessen Lösung mit Hilfe des Sweep-Line Prinzips Output-sensitiver Liniensegmentschnittalgorithmus
Mehr8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.
8.4 Digraphen mit negativen Kantengewichten 8.4.1 Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0. k 4 5 1 s 1 3 2 C k 0 k 3 1 1 1 k 1 k 2 v Sollte ein Pfad von s nach C und
MehrEinführung & Linienvereinfachung
Vorlesung Algorithmische Kartografie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 16.04.2013 AlgoKarto-Team Dozent Martin No llenburg noellenburg@kit.edu
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 8
Mehr