Schematisierung von Karten

Größe: px
Ab Seite anzeigen:

Download "Schematisierung von Karten"

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 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

Mehr

Punktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Punktlokalisierung. 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

Mehr

Polygontriangulierung

Polygontriangulierung Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem

Mehr

Bereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Bereichsabfragen 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

Mehr

Vereinfachung und Schematisierung von Polygonen

Vereinfachung 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

Mehr

Bereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Bereichsabfragen 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

Mehr

Proportional Symbol Maps

Proportional 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

Mehr

Bereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Bereichsabfragen 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:

Mehr

Punktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Punktlokalisierung. 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 )

Mehr

Vereinfachung und Schematisierung von Polygonen

Vereinfachung 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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)

Mehr

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Vorlesung 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,

Mehr

Geradenarrangements und Dualität von Punkten und Geraden

Geradenarrangements 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

Mehr

Geradenarrangements und Dualität von Punkten und Geraden

Geradenarrangements 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

Mehr

Geradenarrangements und Dualität von Punkten und Geraden

Geradenarrangements 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

Mehr

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Vorlesung 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,

Mehr

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Vorlesung 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,

Mehr

Voronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Voronoi-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 :

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Beschriftung in Dynamischen Karten

Beschriftung 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

Mehr

Gruppenpräsentationen und Zusammenfassung

Gruppenpräsentationen 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

Mehr

Flächenaggregation LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Flächenaggregation 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

Mehr

Polygontriangulierung

Polygontriangulierung 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

Mehr

Voronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Voronoi-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

Mehr

Polygontriangulierung

Polygontriangulierung Vorlesung Algorithmische Geometrie Polygone triangulieren INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.05.2012 Das Kunstgalerie-Problem Aufgabe: Installiere ein Kamerasystem

Mehr

Quadtrees und Meshing

Quadtrees 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

Mehr

Punktbeschriftung in Landkarten

Punktbeschriftung 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

Mehr

WS 2013/14. Diskrete Strukturen

WS 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

Mehr

Winkelschematisierung im Graphenzeichnen

Winkelschematisierung 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

Mehr

Kanonische Ordnungen und die Mondshein-Sequenz

Kanonische 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

Mehr

Lagenlayouts. 13. November 2014 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Lagenlayouts. 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

Mehr

Klausur. 18. Juli 2008, 10:15-12:15 Uhr. Name:... Matrikelnummer:... Anzahl beschriebener Blätter (ohne Aufgabenblatt):... D(p) : Y = p x X + p y

Klausur. 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Map Labeling, U-Bahnpläne und dynamische Landkarten

Map 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

Mehr

Algorithmen zur Visualisierung von Graphen Einführung

Algorithmen 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

Mehr

Kreuzungen, Kurven und Constraints beim Zeichnen von Graphen

Kreuzungen, 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?

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Quadtrees und Meshing

Quadtrees 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

Mehr

Algorithmische Geometrie, SoSe 2005 Skriptmitschrift vom 29. April 2005

Algorithmische 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,

Mehr

Sichtbarkeitsgraph. Andreas Gemsa Übung Algorithmische Geometrie

Sichtbarkeitsgraph. 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

Mehr

Quadtrees und Meshing

Quadtrees 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

Mehr

Bereichsabfragen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Bereichsabfragen. 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

Mehr

Delaunay-Triangulierungen

Delaunay-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

Mehr

Sichtbarkeitsgraphen. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Sichtbarkeitsgraphen. 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

Mehr

Flächenaggregation. Benjamin Niedermann Vorlesung Algorithmische Kartografie /

Flächenaggregation. 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

Mehr

2.2. Schnitte von Liniensegmenten

2.2. 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

Mehr

Lineare Programmierung

Lineare 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

Mehr

Uberblick 1. Kurzeste Wege 2. Sichtbarkeitsgraphen 3. Berechnung des Sichtbarkeitsgraphen 4. Kurzeste Wege fur polygonale Roboter 1

Uberblick 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

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Diskrete 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

Mehr

Algorithmische Geometrie 3. Schnitte von Liniensegmenten

Algorithmische 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.

Mehr

Algorithmen zur Visualisierung von Graphen Lagenlayouts Teil 2

Algorithmen 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,

Mehr

Algorithmen II Vorlesung am

Algorithmen 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

Mehr

Quadtrees und Meshing

Quadtrees 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

Mehr

Was bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone

Was 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Punktbeschriftung in Landkarten

Punktbeschriftung 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

Mehr

Vorlesung Datenstrukturen

Vorlesung 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

Mehr

Anwendungen der WSPD & Sichtbarkeitsgraphen

Anwendungen 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

Mehr

Voronoi-Diagramme und Delaunay-Triangulierungen

Voronoi-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:

Mehr

Vorlesung Algorithmische Kartografie. Übungsblatt 9. Benjamin Niedermann

Vorlesung 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

Mehr

Nachbarschaft, Grad, regulär, Inzidenz

Nachbarschaft, 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

Mehr

Vorlesung Algorithmische Geometrie Konvexe Hülle in R 3

Vorlesung 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

Mehr

Polygontriangulierung

Polygontriangulierung Übung Algorithmische Geometrie Polygontriangulierung LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 05.05.2011 Ablauf Besprechung ÜB3 Korrektheitsbeweis

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Dr. Joachim Spoerhase und Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Algorithmische Graphentheorie Sommersemester 2014 10. Vorlesung Planaritätstest Planaritätstest Satz. [Hopcroft & Tarjan,

Mehr

Algorithmen zur Visualisierung von Graphen Lagenlayouts

Algorithmen 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

Mehr

Vorlesung Algorithmische Geometrie Konvexe Hülle im R 3

Vorlesung 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.

Mehr

2. Triangulation ebener Punktmengen. 3. Definition und Eigenschaften der Delaunay Triangulation

2. 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)

Mehr

Übungsblatt 7 - Voronoi Diagramme

Übungsblatt 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

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

Dualität + Quad-trees

Dualität + 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

Mehr

Beschriftung in Dynamischen Karten

Beschriftung 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

Mehr

Einheit 11 - Graphen

Einheit 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)

Mehr

Vorlesung Algorithmische Kartografie

Vorlesung 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

Mehr

Flussmethoden: orthogonales Graphenzeichnen

Flussmethoden: 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

Mehr

Visualisierung von Graphen

Visualisierung 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

Mehr

Algorithmen für Geographische Informationssysteme

Algorithmen 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

Mehr

Anwendungen der WSPD & Sichtbarkeitsgraphen

Anwendungen 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

Mehr

Einführung & Konvexe Hülle

Einführung & 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

Mehr

Algorithmische Geometrie: Voronoi Diagramme (Teil 2)

Algorithmische 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

Mehr

Felix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09

Felix 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,

Mehr

Zusammenfassung. Benjamin Niedermann Vorlesung Algorithmische Kartografie

Zusammenfassung. 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

Mehr

Grundlagen 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): 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

Mehr

Algorithmische Geometrie: Arrangements und

Algorithmische 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

Mehr

Digraphen, DAGs und Wurzelbäume

Digraphen, 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

Mehr

Distanzprobleme in der Ebene

Distanzprobleme 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

Mehr

durch Einfügen von Knoten konstruiert werden kann.

durch 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

Mehr

Algorithmische Geometrie: Abfragen Orthogonaler Bereiche

Algorithmische 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

Mehr

Einführung & Konvexe Hülle

Einführung & 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

Mehr

Algorithmische Graphentheorie

Algorithmische 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

Mehr

Algorithmen zur Visualisierung von Graphen

Algorithmen 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

Mehr

Quad-trees. Benjamin Niedermann Übung Algorithmische Geometrie

Quad-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:

Mehr

Liniensegmentschnitt. Doppelt verkettete Kantenliste. Überlagerung von 2 ebenen Graphen. Boolsche Operatoren für einfache Polygone (LEDA)

Liniensegmentschnitt. 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

Mehr

8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.

8.4 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

Mehr

Einführung & Linienvereinfachung

Einführung & 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

Mehr

Übung zur Vorlesung Diskrete Strukturen I

Übung 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.

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete 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