Algorithmen und Datenstrukturen 2-2. Seminar -
|
|
- Mathilde Lenz
- vor 7 Jahren
- Abrufe
Transkript
1 Algorithmen und Datenstrukturen 2-2. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010
2 Outline 2. Übungsserie: 3 Aufgaben, insgesamt 30 Punkte A4 Flußnetzwerk, Restgraphen (9 Punkte) A5 Dijkstra, Bellman-Ford Algorithmus (10 Punkte) A6 Tarjan Algorithmus (11 Punkte)
3 Wiederholung: Flußnetzwerke Anwendungsprobleme: Wieviel Autos können durch ein Straßennetz fahren? Wieviel Abwasser fasst ein Kanalnetz? Wieviel Strom kann durch ein Leitungsnetz fließen? Definition: Ein (Fluß-)Netzwerk ist ein gerichteter Graph G = (V, E, c) mit ausgezeichneten Knoten q (Quelle) und s (Senke), sowie einer Kapazitätsfunktion c : E Z+.
4 Wiederholung: Flußnetzwerke Fluß: f : E Z, so dass gilt: Kapazitätsbeschränkung: e E : f (e) c(e). (Kapazität wird für keine Kante überschritten) Flußerhaltung: v V \ {q, s} : f ((v, v)) = f ((v, v )) (v,v) E (v,v ) E (was in Knoten hinein fließt, fließt auch wieder heraus) Der Wert von f, w(f ), ist die Summe der Flußwerte der die Quelle q verlassenden Kanten: f ((q, v)) (q,v) E
5 Wiederholung: Flußnetzwerke Gesucht: Fluß mit maximalen Wert begrenzt durch Kapazitäten von Quelle, Senke Engpässe, minimaler Schnitt vs. maximaler Fluss
6 Wiederholung: Flußnetzwerke Kapazität: = 35
7 Wiederholung: Flußnetzwerke Kapazität: = 62
8 Wiederholung: Flußnetzwerke Kapazität: = 28!!!
9 Wiederholung: Flußnetzwerke Optimierung des Flußes in G: entlang zunehmender Wege w. um min(rest(e)) mit e liegt auf w Zunehmender Weg: Gerichteter Pfad von Quelle zur Senke im Restgraphen. Eben Pfad mit verfügbarer Restkapazität
10 Wiederholung: Flußnetzwerke Graph: Kapazität / Fluss Restgraph
11 Wiederholung: Flußnetzwerke Ford-Fulkerson-Algorithmus: sucht sukzessiv nach flussvergrößernden Wegen im Restgraphen fügt solange wie möglich zunehmende Wege zum Gesamtfluß hinzu Gesamtfluß erhöht sich um Minimum der Restkapazität der Kanten des jeweiligen zunehmenden Wegs
12 Aufgabe 4 Ein Flussnetzwerk mit der Knotenmenge {q, a, b, c, d, s} habe genau die folgenden Kanten. (q, a, 9,?), (q, c, 4,?), (c, d, 6, 5), (a, b, 8,?), (b, c, 6, 3), (b, d, 7, 4), (b, s, 3, 1), (d, s, 11,?) Hierbei bedeutet ein 4-Tupel (v, w, κ, φ), dass die Kante (v, w) eine Kapazität κ besitzt, von der derzeit φ genutzt wird.
13 Aufgabe 4 a) Errechnen Sie die fehlenden (durch? ersetzten) φ-werte, so dass sich ein gültiger Fluss ergibt. Zeichnen Sie das gegebene Flussnetzwerk und schreiben Sie an jede Kante die Werte φ, κ. (3 Punkte)
14 Aufgabe 4 a) Errechnen Sie die fehlenden (durch? ersetzten) φ-werte, so dass sich ein gültiger Fluss ergibt. Zeichnen Sie das gegebene Flussnetzwerk und schreiben Sie an jede Kante die Werte φ, κ. (3 Punkte) (q, a, 9,?), (q, c, 4,?), (c, d, 6, 5), (a, b, 8,?), (b, c, 6, 3), (b, d, 7, 4), (b, s, 3, 1), (d, s, 11,?)
15 Aufgabe 4 a) Errechnen Sie die fehlenden (durch? ersetzten) φ-werte, so dass sich ein gültiger Fluss ergibt. Zeichnen Sie das gegebene Flussnetzwerk und schreiben Sie an jede Kante die Werte φ, κ. (3 Punkte) (q, a, 9,?), (q, c, 4,?), (c, d, 6, 5), (a, b, 8,?), (b, c, 6, 3), (b, d, 7, 4), (b, s, 3, 1), (d, s, 11,?) (q, a, 9, 8), (q, c, 4, 2), (c, d, 6, 5), (a, b, 8, 8), (b, c, 6, 3), (b, d, 7, 4), (b, s, 3, 1), (d, s, 11, 9)
16 Aufgabe 4 b) Zeichnen Sie den Restgraphen des Flussnetzwerks. (3 Punkte)
17 Aufgabe 4 b) Zeichnen Sie den Restgraphen des Flussnetzwerks. (3 Punkte)
18 Aufgabe 4 c) Geben Sie alle zunehmenden Wege und das jeweilige Minimum der verfügbaren Restkapazität an. (3 Punkte)
19 Aufgabe 4 c) Geben Sie alle zunehmenden Wege und das jeweilige Minimum der verfügbaren Restkapazität an. (3 Punkte)
20 Aufgabe 5 Gegeben sei der gewichtete gerichtete Graph G = (V, E, w). a) Benutzen Sie den Dijkstra-Algorithmus, um die Längen der kürzesten Pfade von Knoten 1 zu allen anderen Knoten zu berechnen. Geben Sie nach jeder Extraktion eines Knotens aus der Queue und nach Abschluss der Berechnung für alle Knoten i {1... 6} den aktuellen Wert D[i] an. (5 Punkte)
21 Wiederholung: Dijkstra Kürzeste Wege zw. 2 Knoten: Verallgemeinerung der Breitensuche. Ausgehend vom Startknoten wird sukzessive der nächst beste Knoten in eine Ergebnismenge aufgenommen und aus der Menge der noch zu bearbeitenden Knoten entfernt. Gehört zur Klasse der Greedy-Algorithmen. Erfordert nicht-negative Gewichte.
22 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
23 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
24 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
25 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
26 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
27 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
28 Wiederholung: Dijkstra Gesucht: Kürzester Weg von 1 zur 4.
29 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6
30 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5,6
31 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5, (2+1) 8 (2+6) 3 4,5,6
32 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5, (2+1) 8 (2+6) 3 4,5, (3+1) 5 4,6
33 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5, (2+1) 8 (2+6) 3 4,5, (3+1) 5 4, (4+3) 4 5 (4+1) 6 4
34 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5, (2+1) 8 (2+6) 3 4,5, (3+1) 5 4, (4+3) 4 5 (4+1) (5+1) 4 5 4
35 Aufgabe 5 D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) v Q 0 1 2,3,4,5,6 0 2 (0+2) 7 (0+7) 2 3,4,5, (2+1) 8 (2+6) 3 4,5, (3+1) 5 4, (4+3) 4 5 (4+1) (5+1)
36 Aufgabe 5 Gegeben sei der gewichtete gerichtete Graph G = (V, E, w). b) Der Graph H entstehe aus G durch Hinzunahme der Kante e = (3, 6) mit dem Gewicht w(e) = 4. Benutzen Sie den Bellman-Ford-Algorithmus, um im Graphen H die Längen der kürzesten Pfade von Knoten 1 zu allen anderen zu berechnen. (5 Punkte)
37 Wiederholung: Bellman-Ford Output: Graph mit Knotendistanzen, die jeweils min. Distanz vom Startknoten angeben.
38 Wiederholung: Bellman-Ford
39 Wiederholung: Bellman-Ford
40 Wiederholung: Bellman-Ford
41 Wiederholung: Bellman-Ford
42 Wiederholung: Bellman-Ford
43 Wiederholung: Bellman-Ford
44 Wiederholung: Bellman-Ford
45 Wiederholung: Bellman-Ford
46 Wiederholung: Bellman-Ford
47 Wiederholung: Bellman-Ford
48 Wiederholung: Bellman-Ford
49 Wiederholung: Bellman-Ford
50 Wiederholung: Bellman-Ford
51 Wiederholung: Bellman-Ford
52 Wiederholung: Bellman-Ford
53 Wiederholung: Bellman-Ford
54 Wiederholung: Bellman-Ford
55 Wiederholung: Bellman-Ford
56 Wiederholung: Bellman-Ford
57 Wiederholung: Bellman-Ford
58 Wiederholung: Bellman-Ford
59 Wiederholung: Bellman-Ford
60 Wiederholung: Bellman-Ford
61 Wiederholung: Bellman-Ford
62 Wiederholung: Bellman-Ford
63 Aufgabe 5 Gegeben sei der gewichtete gerichtete Graph G = (V, E, w). b) Der Graph H entstehe aus G durch Hinzunahme der Kante e = (3, 6) mit dem Gewicht w(e) = 4. Benutzen Sie den Bellman-Ford-Algorithmus, um im Graphen H die Längen der kürzesten Pfade von Knoten 1 zu allen anderen zu berechnen. (5 Punkte)
64 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0
65 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2)
66 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7)
67 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1)
68 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6)
69 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1)
70 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4)
71 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4) (5,4,3) (4+3) 4-1
72 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4) (5,4,3) (4+3) 4-1 (5,6,1)
73 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4) (5,4,3) (4+3) 4-1 (5,6,1) (6,1,5)
74 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4) (5,4,3) (4+3) 4-1 (5,6,1) (6,1,5) (6,4,1) (-1+1) 4-1
75 Aufgabe 5 Start: D[1] = 0; D[i] = für i = 2,..., 6 Ausgabe Kante D(1, 1) D(1, 2) D(1, 3) D(1, 4) D(1, 5) D(1, 6) 0 (1,2,2) 0 2 (0+2) (1,3,7) (0+7) (2,3,1) (2+1) (2,4,6) (2+6) (3,5,1) (3+1) (3,6,-4) (3-4) (5,4,3) (4+3) 4-1 (5,6,1) (6,1,5) (6,4,1) (-1+1)
76 Aufgabe 6 Geg: Gerichteter Graph, Kantenliste: 7, 10, 1, 2, 2, 3, 3, 4, 4, 2, 1, 5, 5, 4, 4, 6, 6, 7, 7, 6, 5, 7 a) Benutzen Sie den Tarjan-Algorithmus beginnend beim Knoten 1, um die starken Zusammenhangskomponenten von G zu berechnen. In der Schleife innerhalb von Tarjan-visit werden die Kindsknoten u des aktuellen Knotens v in aufsteigender Reihenfolge der Indizes bearbeitet. Geben Sie jeweils nach Beendigung dieser Schleife v, in[v] und l[v] an, sowie ggf. die vom Programm erzeugte Ausgabe einer starken Zusammenhangskomponente. (5 Punkte)
77 Wiederholung: SZK Starke Zusammenhangskomponente = SZK Ein gerichteter Graph G = (V, E) heißt stark zusammenhängend, wenn für alle u, v V gilt: Es gibt einen Pfad von u nach v. Eine starke Zusammenhangskomponente von G ist ein maximaler stark zusammenhängender Teilgraph von G. Komponentengraph: Fasse alle Knoten einer ZSK zusammen.
78 Wiederholung: SZK Graph Komponentengraph
79 Aufgabe 6 Geg: Gerichteter Graph, Kantenliste: 7, 10, 1, 2, 2, 3, 3, 4, 4, 2, 1, 5, 5, 4, 4, 6, 6, 7, 7, 6, 5, 7 b) Zeichnen Sie G und dessen Komponentengraphen G. Benennen Sie dabei die starken Zusammenhangskomponenten von G mit a, b, c,..., in der Reihenfolge, in der sie vom Tarjan-Algorithmus im vorigen Aufgabenteil gefunden wurden. (2 Punkte)
80 Wiederholung: Tarjan Grundidee: Von einem Startknoten ausgehend Tiefensuche im Graphen durchzuführen. Die SZKn bilden dabei Teilbäume des Tiefensuchbaumes, die Wurzeln dieser Bäume heißen Wurzeln der ZK. Die Knoten werden in der Reihenfolge, in der sie besucht werden, auf einem Stack abgelegt. Kehrt die Tiefensuche aus einem Unterbaum zurück, werden die Knoten wieder vom Stack genommen und ausgegeben. Dabei testen, ob es sich bei dem Knoten um die Wurzel einer ZK handelt. Wenn ja, so bilden die bisher ausgegebenen Knoten eine SZK.
81 Wiederholung: Tarjan Führe Tiefensuche (DFS) auf G aus. Berechne dabei l[v] = frühester Knoten, der von v erreichbar ist in der durch in[] gegebenen Reihenfolge. Wenn alle Kindsknoten von v abgearbeitet sind und l[v]=in[v], so ist v die Wurzel einer SZK. Deren Knoten werden dann gleich ausgegeben und nicht mehr weiter betrachtet (denn jeder Knoten ist in nur einer Komponente).
82 Wiederholung: Tarjan Wichtige Konzepte: Knoten werden in Preorder-Reihenfolge (WLR) nummeriert. Spannbaum: Kanten, die zu neuen Knoten führen Wurzel einer SZK: der erste Knoten einer ZSK, der in der Tiefensuche besucht wird (hat die niedrigste Nummer).
83 Wiederholung: Tarjan Beispiel: Tiefensuche (preorder)
84 Wiederholung: Tarjan Beispiel: Tiefensuch-Spannbaum
85 Wiederholung: Tarjan Tiefensuche, Reihenfolge: in[] Berechnung der lowlinks für jeden Knoten: l[v] l[v] ist das Minimum aus in[v] und allen in[w], wobei w zur selben SZK wie v gehört; w von v durch eine (womöglich leere) Folge von Spannbaum-Kanten gefolgt von genau einer anderen Kante erreichbar ist.
86 Wiederholung: Tarjan Beispiel: Zusätzl. Info: low-links, l[g] = in[d] = 6
87 Wiederholung: Tarjan Beispiel: alle low-links (lila)
88 Wiederholung: Tarjan Beispiel: Ein Knoten ist eine Wurzel, wenn Preorder- und Lowlink-Zahl gleich sind
89 Wiederholung: Tarjan Auffinden der SZK: Tiefensuche mit Preorder-Nummerierung Berechnung der Lowlinks Zusẗzlich: Tiefensuch-Zustände auf Stack legen Wenn der Algorithmus von einer Wurzel aus zurückgeht, so nimmt er sich selbst und alle Zustände über sich vom Stack runter; diese bilden eine SZK.
90 Wiederholung: Tarjan Beispiel: Tiefensuche beginnt bei a, kommt auf Stack
91 Wiederholung: Tarjan Beispiel: Tiefensuche geht weiter bis f, Stack wird gefüllt
92 Wiederholung: Tarjan Beispiel: Algorithmus gelangt zu e e ist eine Wurzel (Preorder- und Lowlink-Zahl sind gleich)
93 Wiederholung: Tarjan Beispiel: Beim Zurückgehen von e wird {e, f } als SZK identifiziert und vom Stack entfernt
94 Wiederholung: Tarjan Beispiel: Beim Zurückgehen wird {b} als SZK identifiziert und entfernt, etc
95 Wiederholung: Tarjan Vorteil: Benötigt nur Vorwärtskanten, Graph wird nur einmal durchlaufen Nachteil: Benötigt relativ viel Speicher (Zustandsstack sowie zwei Zahlen pro Knoten)
96 Aufgabe 6 Geg: Gerichteter Graph, Kantenliste: 7, 10, 1, 2, 2, 3, 3, 4, 4, 2, 1, 5, 5, 4, 4, 6, 6, 7, 7, 6, 5, 7 a) Benutzen Sie den Tarjan-Algorithmus beginnend beim Knoten 1, um die starken Zusammenhangskomponenten von G zu berechnen. In der Schleife innerhalb von Tarjan-visit werden die Kindsknoten u des aktuellen Knotens v in aufsteigender Reihenfolge der Indizes bearbeitet. Geben Sie jeweils nach Beendigung dieser Schleife v, in[v] und l[v] an, sowie ggf. die vom Programm erzeugte Ausgabe einer starken Zusammenhangskomponente. (5 Punkte)
97 Aufgabe 6 v in[v] l[v] Ausgabe SZK: 7, SZK: 4, 3, SZK: SZK: 1
98 Aufgabe 6 c) Geben Sie eine topologische Sortierung von G an.
99 Wiederholung: Topolog. Sort. Alle azyklischen Graphen sind topologisch sortierbar, z. B.:
100 Aufgabe 6 c) Geben Sie eine topologische Sortierung von G an. (d,c,b,a)
101 Aufgabe 6 d) Wie viele Kanten enthält die transitive reflexive Hülle von G? Erklären Sie kurz, wie Sie durch Kenntnis von G diese Berechnung abkürzen können. (3 Punkte)
102 Wiederholung: Hülle Welche Knoten sind von einem gegebenen Knoten aus erreichbar? Definition: Ein Digraph G = (V, E ) heißt reflexive, transitive Hülle (kurz: Hülle) eines Digraphen G = (V, E), wenn für alle u, v V gilt: (u, v) E Es gibt einen Pfad von u nach v in G
103 Aufgabe 6d Berechne die transitive reflexive Hülle von G. Eine Kante (x, y) darin repräsentiert a b Kanten in der Hülle von G selbst, wobei. die Anzahl Knoten in der starken Zusammenhangskomponente bezeichnet. Zusammengefasst haben wir d ( a + b + c + d ) + c ( a + b + c ) + b ( a + b ) + a a Kanten, das sind = 32
104 Outlook
Algorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrTraversierung 1 / 16. P.F. Stadler & S. Will (Bioinf, Uni LE) ADS 2, V3 23. April / 16
P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / P.F. Stadler & S. Will (Bioinf, Uni LE) ADS, V. April 0 / Traversierung ADS: Algorithmen und Datenstrukturen Teil Prof. Peter F. Stadler & Sebastian
MehrFlüsse in Netzwerken. Seminar über Algorithmen SoSe 2005. Mike Rohland & Julia Schenk
Flüsse in Netzwerken Seminar über Algorithmen SoSe 2005 Mike Rohland & Julia Schenk Inhalt Einführung Definition Maximale Flüsse Schnitte Restgraphen Zunehmende Wege Max-Fluss Min-Schnitt Theorem Ford-Fulkerson
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen Der Tragödie IV. Theyl Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 09. Mai 08 [Letzte Aktualisierung: 06/07/08, 08:4]
MehrNetzwerkfluß. Gegeben ist ein System von Wasserrohren: Die Kapazität jedes Rohres ist 3, 5 oder 8 l/s.
Netzwerkfluß (Folie, Seite 78 im Skript) Gegeben ist ein System von Wasserrohren: Quelle s t Senke Die Kapazität jedes Rohres ist, oder 8 l/s. Frage: Wieviel Wasser kann von der Quelle zur Senke fließen?
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Übungsblatt 10 Abgabe: Montag, 08.07.2013, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes
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
MehrFlüsse, Schnitte, bipartite Graphen
Flüsse, Schnitte, bipartite Graphen Vlad Popa 08.06.2010 Inhaltsverzeihnis 1. Flussnetzwerke und Flüsse 1.1 Ford- Fulkerson 1.2 Edmond Karp 1.3 Dinic 2. Schnitte 3. Maximaler Fluss bei minimalen Kosten
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 7 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 2. Mai 2018 [Letzte Aktualisierung: 2/05/2018,
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
Mehr2.4 Starke Zusammenhangskomponenten in Digraphen
Starke Zusammenhangskomponenten Einleitung 2.4 Starke Zusammenhangskomponenten in Digraphen Definition 2.4.1 Zwei Knoten v und w in einem Digraphen G heißen äquivalent, wenn v w und w v gilt. Notation:
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /
MehrWie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
Mehr1 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 31.10.2005 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
MehrTutoraufgabe 1 (Suchen in Graphen):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn
MehrAlgorithmen & Datenstrukturen 2 Praktikum 3
Algorithmen & Datenstrukturen 2 Praktikum 3 Thema: Graphalgorithmen Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Dieses Praktikum widmet sich dem Thema Graphalgorithmen. Ziel ist die Implementierung
MehrGraphenalgorithmen I. Geschickt Programmieren für den ICPC- Wettbewerb. Felix Weissenberger
Graphenalgorithmen I Geschickt Programmieren für den ICPC- Wettbewerb Felix Weissenberger Inhalt Grundlagen zu Graphen Begriffe Darstellung von Graphen Graphenalgorithmen Breitensuche Tiefensuche Topologisches
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil 3 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 7. April 09 [Letzte Aktualisierung: 3/0/09, 09:]
Mehr8 Das Flussproblem für Netzwerke
8 Das Flussproblem für Netzwerke 8.1 Netzwerke mit Kapazitätsbeschränkung Definition 15 Ein Netzwerk N = (V, E, γ, q, s) besteht aus einem gerichteten Graph G = (V, E), einer Quelle q V und einer Senke
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
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
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil II Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 07.
Mehr9 Minimum Spanning Trees
Im Folgenden wollen wir uns genauer mit dem Minimum Spanning Tree -Problem auseinandersetzen. 9.1 MST-Problem Gegeben ein ungerichteter Graph G = (V,E) und eine Gewichtsfunktion w w : E R Man berechne
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume 1. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
MehrTechnische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
MehrAbgabe: (vor der Vorlesung)
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 0 Prof. Dr. Helmut Seidl, S. Pott,
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 16 (2.7.2014) Graphtraversierung II, Minimale Spannbäume I Algorithmen und Komplexität Tiefensuche: Pseusocode DFS Traversal: for all u in
MehrMaximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de
Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische
Mehr3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson
3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson Definition 3.4.1 Die Aufgabe, zu jedem Netzwerk N = (s, t, V, E, c o ) mit n = V Knoten und m = E Kanten den Fluß f IR m mit maximalem Wert zu
MehrWiederholung zu Flüssen
Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrAlgorithmen und Datenstrukturen 1-5. Seminar -
Algorithmen und Datenstrukturen 1-5. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Wintersemester 2009/10 Outline 5.+6. Übungsserie: 5 Aufgaben, insgesamt 40 Punkte A17 Baum-Traversierung
MehrKlausurvorbereitung. 1 Zentrale Begriffe. 2 Bipartite Graphen. 2.1 Begriffe. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S.
Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S. Lange Klausurvorbereitung Hier finden Sie alle Begriffe, Zusammenhänge und Algorithmen, die mit Blick auf die Klausur relevant sind. Um es
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (2) Spannbäume Kürzeste Wege Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 455 Wiederholung Traversierung eines Graphen via Tiefendurchlaufs
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen
MehrGraphdurchmusterung, Breiten- und Tiefensuche
Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,
MehrDefinition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind.
3.5 Gerichteter Pfad Definition 291 Eine Folge (u 0, u 1,..., u n ) mit u i V für i = 0,..., n heißt gerichteter Pfad, wenn ( i {0,..., n 1} ) [ (u i, u i+1 ) A]. Ein gerichteter Pfad heißt einfach, falls
MehrEin Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.
Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 17. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 17 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 69 TU Ilmenau Seite 2 / 69 Graphtraverse Wie bei Bäumen, ist
Mehr12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013
12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013 1 Agenda Kontrollfragen Graphen Graphenalgorithmen 2
MehrMaximale s t-flüsse in Planaren Graphen
Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen June 1, 2015 Ignaz Rutter INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrLernmodul 7 Algorithmus von Dijkstra
Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 3 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrTutoraufgabe 1 (SCC):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS F. Corzilius, S. Schupp, T. Ströder Allgemeine Hinweise: Die Hausaufgaben sollen in Gruppen von je bis Studierenden aus der gleichen Kleingruppenübung
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrGrundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen
. Graphen viele praktische (Optimierungs-)Probleme sind als graphentheoretische Probleme formulierbar z.b. in Produktionsplanung, Personaleinsatzplanung,.... Grundlagen gerichteter, ungerichteter und gewichteter
Mehr6. Flüsse und Zuordnungen
6. Flüsse und Zuordnungen Flußnetzwerke 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert
MehrGraphalgorithmen 1. Tillmann Zipperer Tillmann Zipperer Graphalgorithmen / 40
Graphalgorithmen 1 Tillmann Zipperer 03.06.2015 Tillmann Zipperer Graphalgorithmen 1 03.06.2015 1 / 40 1 Grundlagen Definition Graphtypen Implizite Graphdarstellung Tillmann Zipperer Graphalgorithmen 1
MehrKapitel IV Minimale Spannbäume
Kapitel IV Minimale Spannbäume. Grundlagen Ein Graph G = (V, E) besteht aus einer Menge V von Knoten und einer Menge E von Kanten. Wir werden nur endliche Knoten- (und damit auch Kanten-) Mengen betrachten.
MehrTutoraufgabe 1 (Starke Zusammenhangskomponenten):
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Allgemeine Hinweise: Datenstrukturen und Algorithmen SS1 Übungsblatt (Abgabe 4.0.01) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Problemstellung Ungewichtete Graphen Distanzgraphen Gewichtete
Mehr6 Flüsse und Matchings
6. Flüsse in Netzwerken Flußnetzwerke 6 Flüsse und Matchings In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über diese Kante pro Zeiteinheit transportiert werden
MehrKap. 6.5: Minimale Spannbäume ff
Kap. 6.: Minimale Spannbäume ff Professor Dr. Karsten Klein Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 20. VO 2. TEIL DAP2 SS 2009 2. Juli 2009 SS08 1 Überblick 6.:
MehrName:... Vorname:... Matr.-Nr.:... Studiengang:...
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................
MehrGraphenalgorithmen I
Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket
Mehr4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1
Allgemeines. Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition.. (a) Ein Graph G =(V, E) heißt kreisfrei, wenn er keinen Kreis besitzt. Beispiel: Ein kreisfreier Graph: FG KTuEA, TU Ilmenau
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 13 (6.6.2018) Graphenalgorithmen II Yannic Maus Algorithmen und Komplexität Repräsentation von Graphen Zwei klassische Arten, einen Graphen
MehrGraphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdurchläufe Maike Buchin 22. und 27.6.2017 Graphexploration Motivation: Für viele Zwecke will man den gesamten Graphen durchlaufen, zb. um festzustellen ob er (stark) zusammenhängt.
MehrADS 2: Algorithmen und Datenstrukturen
ADS 2: Algorithmen und Datenstrukturen Teil I Prof. Peter F. Stadler & Sebastian Will Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität Leipzig 9. April
MehrAlgorithmen und Datenstrukturen Tafelübung 14. Jens Wetzl 8. Februar 2012
Algorithmen und Datenstrukturen Tafelübung 14 Jens Wetzl 8. Februar 2012 Folien Keine Garantie für Vollständigkeit und/oder Richtigkeit Keine offizielle Informationsquelle LS2-Webseite Abrufbar unter:
Mehr12. AuD Tafelübung T-C3
12. AuD Tafelübung T-C3 Simon Ruderich 2. Februar 2011 Kollisionen (Primär)Kollision Stelle mit normal eingefügtem Element schon belegt (gleicher Hashwert) tritt bei verketteten Listen und Sondierung auf
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
Mehr1 Exploration geordneter Wurzelbäume
Exploration geordneter Wurzelbäume Ein geordneter Wurzelbaum ist ein Baum, bei welchem ein Knoten als Wurzel ausgezeichnet wird und bei welchem die Kinder eines Knotens linear, sagen wir von links nach
MehrFlüsse in Netzwerken
Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................
MehrEDM, Algorithmen und Graphenspeicherung
EDM, Algorithmen und Graphenspeicherung 1 Graphenspeicherung Gespeichert werden soll ein Graph G = (V, E) bzw. Digraph D = (V, A). Man beachte: E ( ) V 2 bzw. E V 2 1.1 Adjazenzmatrix Graph G: A = (a vw
MehrWege, Pfade und Kreise
Wege, Pfade und Kreise ef.: in Weg ist eine olge von Knoten (v 1, v2,..., vk), so dass {vi,vi+1} für alle 1 i
Mehr10. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php
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 in die Graphen-Theorie
www.mathematik-netz.de Copyright, Page 1 of 8 Einführung in die Graphen-Theorie 1.0 Grundlegende Definitionen Die Theorie der Graphen, das in faszinierender Weise Anwendungen und Theorie, Anschaulichkeit
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 24. April 2019 [Letzte Aktualisierung: 24/04/2019,
MehrGraphen: Datenstrukturen und Algorithmen
Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.
MehrADS 2: Algorithmen und Datenstrukturen
ADS 2: Algorithmen und Datenstrukturen Teil 2 Prof. Peter F. Stadler & Sebastian Will Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität Leipzig 16. April
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
MehrAlgorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od
Algorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od Diskrete Strukturen 3.7 dag 473/556 3.8 Zusammenhang Definition
MehrRückblick: Starke Zusammenhangskomponenten
Rückblick: Starke Zusammenhangskomponenten Der Algorithmus von Kosaraju bestimmt die starken Zusammenhangskomponenten eines gerichteten Graphen wie folgt: Schritt 1: Bestimme den transponierten Graphen
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 6 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 16. Mai 2018 [Letzte Aktualisierung: 18/05/2018,
Mehr3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt:
3. Minimale Spannbäume Sei G = (V, E) ein einfacher ungerichteter Graph, der o.b.d.a. zusammenhängend ist. Sei weiter w : E R eine Gewichtsfunktion auf den Kanten von G. Wir setzen E E: w(e ) = e E w(e),
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Minimal aufspannende Bäume Problemstellung Algorithmus von Prim
MehrZweizusammenhang und starker Zusammenhang
.. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk
MehrEffiziente Algorithmen
Effiziente Algorithmen Graphdurchläufe Vorlesender: Martin Aumüller (nach Folien von Prof. Martin Dietzfelbinger) April/Mai 0 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester 0 Einleitung Kapitel
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,
Mehr11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME
Algorithmen und Datenstrukturen 11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen - Ma5hias Thimm (thimm@uni-koblenz.de) 1 Algorithmen und Datenstrukturen 11.1. BERECHNUNG MAXIMALER FLÜSSE
MehrEffiziente Algorithmen
Effiziente Algorithmen Graphdurchläufe Vorlesender: Martin Aumüller (nach Folien von Prof. Martin Dietzfelbinger) April/Mai 0 FG KTuEA, TU Ilmenau Effiziente Algorithmen Sommersemester 0 Einleitung Kapitel
MehrFlüsse und Zuordnungen. Kapitel 6. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296
Kapitel 6 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 227 / 296 Inhalt Inhalt 6 Flussnetzwerke Berechnung maximaler Flüsse Max-Flow-Min-Cut Matchings Peter Becker (H-BRS) Graphentheorie
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8
MehrInformatik II, SS 2016
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 12 (4.6.2018) Graphenalgorithmen I Yannic Maus Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
Mehr