WS 2009/10. Diskrete Strukturen
|
|
- Jürgen Reuter
- vor 7 Jahren
- Abrufe
Transkript
1 WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München
2 Kapitel IV Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings 2
3 Kapitel IV Graphentheorie Eigenschaften von Graphen Euler-Touren Hamilton-Kreise Planare Graphen Knotenfärbungen 3
4 Das Königsberger Brückenproblem (Leonhard Euler ( )) Können wir so durch die Stadt laufen, dass wir jede Brücke genau einmal überqueren, und wir wieder an den Ausgangspunkt zurückkehren? A B D 4 C Äquivalenter Multigraph
5 Eulersche Touren Definition Eine Euler-Tour in einem Graphen G = (V,E) ist ein Weg, der jede Kante e E genau einmal enthält und dessen Anfangs- und Endknoten identisch sind. Ein Graph, der eine Euler-Tour hat, heisst eulersch. 5
6 Der Satz von Euler Satz: Ein zusammenhängender Graph besitzt genau dann eine Euler-Tour, wenn alle Knoten des Graphen geraden Grad haben. Beweis: ()): Man geht in jeden Knoten genauso oft hinein wie man aus ihm hinausgeht. 6
7 ((): Annahme: zusammenhängender Graph G=(V,E), alle Knoten haben geraden Grad. Beweis durch Induktion über E. Basis: E =0. Dann V ={v} und die Sequenz (v) ist eine Euler-Tour. Schritt: E > 0. Ausgehend von einen beliebigen Knoten v, wähle einen maximalen Weg W von Kanten, der jede Kante höchstens einmal besucht. W endet wieder in v (sonst gibt es immer eine unbesuchte Kante, mit der der Weg verlängert werden kann). 7
8 ((): Entferne von G alle Kanten von W. Die Knoten des entstehenden Graphen G haben immer noch geraden Grad (man geht in jeden Knoten genauso oft hinein wie man aus ihm hinausgeht). Aus der Induktionsannahme folgt: jede zusammenhängende Komponente von G hat eine Euler- Tour. Wir bilden eine Euler-Tour von G wie folgt: wenn W zum ersten Mal eine Komponente besucht, dann fügen wir W eine Euler-Tour der Komponente hinzu. 8
9 Beispiel: f a b e d W = (a,b,e,f,a) Komponenten von G : G 1=({a},;), G 2=({b,c,d,e,f},E 2 ) Euler-Tour von G 1 und G 2: (a) und (b,c,d,e,c,f,b) Euler-Tour von G = (a,b,c,d,e,c,f,b,e,f,a); c 9
10 Hamiltonkreise Definition: Ein Hamiltonkreis in einem Graphen ist ein Kreis, der alle Knoten genau einmal enthält. Ein Graph heißt hamiltonsch, wenn er einen Hamiltonkreis enthält. 10
11 Hamiltonkreise und Hamiltonwege 11
12 Hamiltonsch vs. eulersch hamiltonsch hamiltonsch eulersch hamiltonsch eulersch eulersch hamiltonsch eulersch 12
13 Hamiltonkreis in einem Dodekaeder 13
14 Hamiltonkreise Das Problem des Rösselsprunges auf dem Schachbrett: Hierbei handelt es sich um das Problem, mit einem Springer alle Felder eines Schachbretts genau einmal zu erreichen und wieder zum Ausgangsfeld zurückzukehren. 14
15 Hamiltonkreise Das Problem des Rösselsprunges auf dem Schachbrett: Der Rösselsprunggraph R(8) wird wie folgt definiert: Jedem der 8 8 = 64 Felder lässt man eine Ecke von R(8) entsprechen und verbindet zwei Ecken durch eine Kante genau dann, wenn zwischen den entsprechenden Feldern ein Springerzug möglich ist. Das Rösselsprungproblem zu lösen ist äquivalent dazu, in R(8) einen Hamiltonkreis zu 15 finden.
16 Hamiltonkreise Das Problem des Rösselsprunges auf dem Schachbrett eine von Euler gefundene Lösung. 16
17 Hamiltonkreise Die Aufgabe, einen Hamiltonkreis zu finden, ist wesentlich schwerer als eine Euler-Tour zu finden; es ist ein NP-vollständiges Problem. Das systematisches Ausprobieren aller Möglichkeiten ist für eine große Anzahl von Knoten nicht möglich, da es O(n!) Möglichkeiten gibt. 17
18 Einschub: NP-vollständige Probleme 18 NP-vollständige Probleme sind eine Klasse von Entscheidungsproblemen. Definition im 4. Semester, hier nur einige Informationen. Die worst-case Laufzeit eines Algorithmus A ist die Funktion f: N! N mit f(n)= maximale Laufzeit von A für Eingaben der Länge n A hat polynomieller Laufzeit (oder ist polynomiell) wenn es eine Zahl k gibt, so dass f(n) 2 O(n k ).
19 NP-vollständige Probleme 19 Für NP-vollständige Probleme sind keine polynomielle Algorithmen bekannt. Wenn es einen polynomiellen Algorithmus für ein NPvollständiges Problem gibt, dann gibt es polynomielle Algorithmen für alle NP-vollständige Probleme. Mehrere tausend Probleme aus allen Bereichen der Informatik sind als NP-vollständige Probleme identifiziert worden. Wir kennen schon zwei: das Erfüllbarkeitsproblem der Aussagenlogik und das Problem des hamiltonschen Kreises.
20 Hamiltonsche Graphen Wir geben einige notwendige oder hinreichende Bedingungen für die Existenz eines Hamiltonkreises an. 20
21 Hamiltonsche Graphen Satz: Löscht man in einem Graphen G n Knoten, sowie alle Kanten, die zu diesen Knoten inzident sind, und erhält auf diese Weise mindestens n+1 zusammenhangslose zusammenhängende Teilgraphen, so war der ursprüngliche Graph G nicht hamiltonsch. 21
22 Hamiltonsche Graphen Beispiel: f b b b d d d e c e c e 22
23 Hamiltonsche Graphen Satz (Kriterium von Dirac): Sei G ein zusammenhängender einfacher Graph mit n Knoten (n 3). Wenn in dem Graphen jeder Knoten mindestens den Grad n/2 hat, so hat G einen Hamiltonkreis. f b f b e c 23 e c c
24 Hamiltonsche Graphen Satz (Krierium von Ore): Sei G ein zusammenhängender einfacher Graph mit n Knoten. Wenn die Summe der Grade zweier nicht-adjazenter Knoten mindestens n ist, so enthält G einen Hamiltonkreis. f b e c 24 c
25 Planare Graphen planar K3 K2,3 nicht planar 25 K5 K3,3
26 Planare Graphen nicht planar 26 K5 K3,3 Da K 5 und K 3,3 nicht planaren Graphen sind, ist jeder Graph, der sie als Teilgraphen hat oder dadurch ensteht, dass Kanten des K 5 oder K 3,3 durch Pfade ersetzt werden, auch wieder nicht planar.
27 Planare Graphen Satz (Kuratowski): Ein Graph G ist genau dann planar, wenn er weder eine Unterteilung des K 5 noch des K 3,3 als Teilgraphen enthält. Unterteilung: Eine Ersetzung von Kanten durch beliebige Pfade. 27
28 Planare Graphen 28 Satz (Eulersche Polyederformel): Sei G = (V,E) ein zusammenhängender ebener Graph. Dann gilt: R := #Gebiete = E - V + 2. Die Gebiete sind die zusammenhängenden Teile der Ebene, die durch das Zerschneiden der Ebene entlang der Kanten entstehen. Das äussere Gebiet zählt man mit.
29 Planare Graphen Aus der Eulerschen Polyederformel folgt, dass in jeder planaren Darstellung eines Graphen die Anzahl der Gebiete gleich bleibt. 29
30 Planare Graphen 30 Beweis (Eulersche Polyederformel): Da G zusammenhängend, gilt E V - 1. Durch Induktion über n= E - V +1. Induktionsanfang: n=0. Mit E = V - 1 ist G ein Baum. Da Bäume keine Kreise enhalten, gilt R =1. Es folgt R = 1 = E - V + 2. Induktionsannahme: für Graphen mit E - V +1 = n gilt die EPf.
31 Planare Graphen 31 Beweis (Eulersche Polyederformel): Induktionsschritt: Sei G mit E - V + 1 = n + 1. Dann ist G kein Baum und muss (da zusammenhängend) einen Kreis enthalten, der zwei Gebiete voneinander trennt. Wenn wir eine Kante aus dem Kreis löschen, dann verschmelzen wir zwei Gebiete und reduzieren die Anzahl der Gebiete um 1. Für den entstehenden Graph gilt nach Induktionsannahme die Polyederformel, und somit auch für den Graphen G.
32 Planare Graphen Korollar: Für jeden planaren Graphen G = (V,E) mit V 3 Knoten gilt: E 3 V
33 Planare Graphen Beweis: Da jedes Gebiet einer Einbettung durch mindestens 3 Kanten begrenzt ist und jede Kante höchstens 2 Gebiete begrenzt, gilt 3 R 2 E. Mit der Eulerformel ergibt sich 2/3 E R = E - V + 2. Hieraus folgt: 1/3 E V
34 Färbung von Graphen Frage: Wie können wir die Zeiten für die Klausuren im Grundstudium Informatik so ansetzen, dass kein Student zwei Klausuren zur selben Zeit hat? 34
35 Färbung von Graphen Annahme: Es gibt 7 Klausuren 1,,7. Kein Studierende schreibt mehr als zwei Klausuren. Die folgenden Paaren von Klausuren werden von einigen Studierenden geschrieben: (1,2);(1,3);(1,4);(1,7);(2,3);(2,4);(2,5);(2,7); (3,4);(3,6);(3,7);(4,5);(4,6);(5,7);(6,7) 35
36 Färbung von Graphen 6 36 Der folgende Graph repräsentiert diesen Sachverhalt: Eine Planung muss berücksichtigen, dass keine über eine Kante verbundenen Prüfungen zur selben Zeit stattfinden. Dies entspricht einer Färbung der Knoten (Knotenfärbung), wobei die Farben den Prüfungszeiten entsprechen und adjazente Knoten nicht die gleiche Farbe haben dürfen.
37 Färbung von Graphen Bei 4 möglichen Zeiten (rot, blau, grün, gelb) ergibt sich folgende Färbung: Gibt es Färbungen mit weniger als 4 Farben?
38 Färbung von Graphen Frage: Eine Anzahl von Fernsehprogrammen werden von Stationen in Deutschland ausgestrahlt. Wie müssen die Übertragungskanäle zugeordnet werden, damit keine 2 Stationen, die maximal 200 km voneinander entfernt sind, über den gleichen Kanal senden? 38
39 Färbung von Graphen 39 Reduktion auf ein Färbungsproblem: Konstruiere einen Graph, in dem die Stationen als Knoten repräsentiert sind. Verbinde zwei Knoten, wenn sie maximal 200 km voneinander entfernt sind. Die gewünschte Zuordnung entspricht einer Knotenfärbung, wobei jede Farbe einem Kanal entspricht.
40 Färbung von Graphen Das klassische Graphfärbungsproblem ist das Färben von Landkarten, bei dem benachbarte Länder unterschiedliche Farben bekommen sollen. Hierbei interessiert, welches die kleinste Anzahl von unterschiedlichen Farben ist, die hierfür benötigt werden. 40
41 Färbung von Graphen Man nimmt hierbei an, dass das Gebiet eines Landes zusammenhängend ist und Länder, die nur an einem Punkt zusammenstossen gleich gefärbt werden dürfen. 41
42 Färbung von Graphen 42
43 Färbung von Graphen 43
44 Färbung von Graphen 44 Definition: Eine Knotenfärbung (vertex colouring) eines Graphen G = (V,E) mit k Farben ist eine Abbildung c: V [k], so dass gilt: c(u) c(v) für alle Kanten {u,v} E. Die chromatische Zahl (chromatic number) (G) von G ist die minimale Anzahl Farben, die für eine Knotenfärbung von G benötigt werden.
45 Färbung von Graphen Beispiele: Ein vollständiger Graph mit n Knoten hat chromatische Zahl n. 45
46 Färbung von Graphen Beispiele: Ein Kreis gerader Länge hat chromatische Zahl 2. Ein Kreis ungerader Länge hat chromatische Zahl 3. 46
47 Färbung von Graphen 47 Beispiele: Bäume mit 2 Knoten haben chromatische Zahl 2. p i e b o q d a h f j k l c n r m g
48 Färbung von Graphen Bipartite Graphen haben chromatische Zahl 2. Ausnahme: Graph ohne Kanten! Satz (Vierfarbensatz): Für jeden planaren Graphen G ist (G) 4. 48
49 Algorithmen zur Färbung von Graphen 49 Problem 1: Gegeben ein Graph G, finde eine Färbung mit möglichst wenigen Farben (d.h., mit (G) Farben). (Das ist kein Entscheidungsproblem) Problem 2: Gegeben ein Graph G und eine Zahl k, entscheide, ob G mit k Farben gefärbt werden kann (d.h., ob (G) k)
50 Algorithmen zur Färbung von Graphen Problem 2 ist NP-vollständig, sogar für k=3. Für Problem 1 ist auch kein polynomieller Algorithmus bekannt (sonst gebe es auch einen polynomiellen Algorithmus für Problem 2). In den nächsten Folien: Greedy-Verfahren, eine Technik, um eine vernünftige Färbung mit wenig Aufwand zu finden. Backtracking, eine (aufwendige) Technik, um Problem 2 zu lösen. 50
51 Greedy-Färbung Der folgende Algorithmus berechnet eine Färbung: 51 Besuche die Knoten des Graphen in beliebiger Reihenfolge und ordne ihnen die jeweils kleinste Farbe zu, die noch nicht für einen der direkten Nachbarn gewählt wurde. Der Algorithmus ist gierig : er optimiert stets den nächsten Schritt (was am Ende zu einer suboptimalen Färbung führen kann). Daher heißt er Greedy-Färbung im Sinne einer gierigen Suche.
52 Greedy-Färbung Eingabe: Graph G = (V,E), wobei V = {v 1,,v n }. Ausgabe: Färbung c[v] c[v 1 ] 1; For i from 2 to n do c[v i ] min{k N k c(u) für alle u (v i ) {v 1,,v i-1 }; 52
53 Greedy-Färbung Beispiel: 53 Der Graph kann mit 3 Farben gefärbt werden. Bei ungünstiger Reihenfolge braucht das Greedy- Verfahren jedoch 4 Farben.
54 Analyse der Greedy-Färbung Ist (G) der maximale Grad der in G vorkommenden Knoten, dann gilt für die Anzahl der vom Greedy- Algorithmus berechneten Farben C(G): (G) C(G) (G) + 1. Die Anzahl der berechneten Farben hängt von der Reihenfolge der besuchten Knoten ab. Es gibt mindestens eine Reihenfolge, die zu einer optimalen Färbung führt (warum?) Der Algoritmus braucht O(n) Zeit für Graphen mit n Knoten und Kanten. 54
55 Backtracking Wie kann eine k-färbung berechnet werden, wenn es eine gibt? Benutze ein Farbverfahren (z.b. das Greedy- Verfahren) bis es die Farbe k+1 verwenden will. In diesem Fall mach alle Schritte rückgängig, bis zu dem zuletzt gefärbten Knoten, für den noch andere Farben zur Verfügung stehen. Ersetzte seine aktuelle Farbe durch die nächst niedrigste. Ausgehend von dieser neuen Situation mach mit dem Farbverfahren weiter. 55
56 Backtracking-Algorithmus Beispiel (4 Farben): 56
57 Backtracking-Algorithmus Beispiel (4 Farben): 57
58 Backtracking-Algorithmus Beispiel (4 Farben): 58
59 Backtracking-Algorithmus Beispiel (4 Farben): 59
60 Backtracking-Algorithmus Beispiel (4 Farben): 60
61 Backtracking-Algorithmus Beispiel (4 Farben): 61
62 Backtracking-Algorithmus Beispiel (4 Farben): 62
63 Analyse des Backtracking-Verfahrens Terminiert immer. Liefert eine k-färbung, falls es eine gibt. Untersucht im schlimmsten Fall sämtliche Möglichkeiten. Der schlimmste Fall trifft immer, wenn es kene k- Färbung gibt. Der Algoritmus läuft nicht in polynomieller Zeit. (Braucht (2 n ) Zeit für Kreise mit n Knoten, n ungerade, und 2 Farben). 63
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
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Euler-Hamilton)
WS 2015/16 Diskrete Strukturen Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrWS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Planare Graphen, Färbung) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrNaiver Algorithmus für Hamiltonkreis
Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE
Mehrdurch Einfügen von Knoten konstruiert werden kann.
Satz von Kuratowski Definition Unterteilung eines Graphen Sei G = (V, E) und e = {u, v} E. 1 Das Einfügen eines neuen Knoten w in die Kante e führt zum Graphen G = (V {w}, E \ e {{u, w}, {w, v}}). 2 Der
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
Mehr4. Kreis- und Wegeprobleme
4. Kreis- und Wegeprobleme Kapitelübersicht 4. Kreis- und Wegeprobleme Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Abstände in Graphen Berechnung
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
MehrDiskrete Mathematik Graphentheorie (Übersicht)
Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrEulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal
3. Kreis- und Wegeprobleme Kapitelübersicht 3. Kreis- und Wegeprobleme Eulerweg, Eulerkreis Charakterisierung von eulerschen Graphen Bestimmung von eulerschen Wegen und Kreisen Hamiltonsche Graphen Definition
MehrDef. 1.1: Graph, Knoten, Kanten, adjazent. Notwendige Bedingungen für Isomorphie. Das 3-Brunnen Problem, der vollständige bipartite Graph K 3,3
Stand: 27. Januar 2004 1. Kapitel: Was ist ein Graph? Beispiel: Mannschafts-Wettkämpfe Def. 1.1: Graph, Knoten, Kanten, adjazent Nullgraphen, vollständige Graphen K n, komplementäre Graphen Isomorphie
MehrGraphen. Definitionen
Graphen Graphen werden häufig als Modell für das Lösen eines Problems aus der Praxis verwendet, wie wir im Kapitel 1 gesehen haben. Der Schweizer Mathematiker Euler hat als erster Graphen verwendet, um
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
Mehr3-Färbbarkeit. Korollar: Zu Entscheiden, ob ein Graph k-färbbar ist mit k 3, ist NP-vollständig.
3-Färbbarkeit Wir wissen bereits, dass in polynomieller Zeit entschieden werden kann, ob ein Graph 2-färbbar ist. Satz: Zu Entscheiden, ob ein Graph 3-färbbar ist, ist NPvollständig. Beweis: Reduktion
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt Prof. Dr. J. Csirik. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am. und.
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrGraphen KAPITEL 3. Dieses Problem wird durch folgenden Graph modelliert:
KAPITEL 3 Graphen Man kann als Ursprung der Graphentheorie ein Problem sehen, welches Euler 1736 von Studenten aus Königsberg gestellt bekam. Der Fluss Pregel wird von 7 Brücken überquert, und die Frage
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrVorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesung 1: Graphentheorie Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Plan für die ersten Vorlesungen Vorlesungen 1,2: wichtige mathematische Grundlagen;
MehrAchilles und die Schildkröte Sommersemester 2008
Achilles und die Schildkröte Sommersemester 2008 Färbbarkeit planarer Graphen Alexander Damarowsky 20.05.2008 V6, 15.05.2008 Problemstellung /Ziel des Vortrags: Wie viele Farben werden benötigt, um jeden
Mehr4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...
Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5
MehrKnotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E.
Knotenfärbung Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Die chromatische Zahl χ(g) eines Graphen G ist die minimale
MehrÜbersicht. Bielefeld Hannover. Kamen Paderborn. Unna Wünnenberg Kassel. Ziffer wählen. abheben. auflegen. Gespräch führen
Übersicht Graphen beschreiben Objekte und Beziehungen zwischen ihnen geeignet für Modellierung verschiedener Aufgaben betrachten endliche, ungerichtete und endliche, gerichtete Graphen Graphen bestehen
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrDer Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn
Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn 1. Geschichte - Frage kommt Mitte des 19 Jahrhunderts auf Wie viele Farben benötigt man um eine Karte
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 7 und 8: Euler- und Hamilton-Graphen Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 17. April 2018 1/96 WIEDERHOLUNG Eulersche
MehrDiskrete Strukturen. wissen leben WWU Münster
MÜNSTER Diskrete Strukturen Dietmar Lammers Vorlesung SoSe 2010 MÜNSTER Diskrete Strukturen 269/260 MÜNSTER Diskrete Strukturen 270/260 Im WLAN gibt es 6 Frequenzen und die AccessPoints müssen so verteilt
MehrWilliam Rowan Hamilton,
3.2.2 Hamiltonkreise Definition 130. In einem Graph G = (V,E) nennt man einen Kreis, der alle Knoten aus V genau einmal durchläuft, einen Hamiltonkreis. Enthält ein Graph eine Hamiltonkreis, nennt man
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 6: Graphentheorie Lang 6 Beutelspacher 8.1-8.5 Meinel 11 zur Vertiefung: Aigner 6, 7 (7.4: Algorithmus von Dijkstra) Matousek
MehrGraphentheorie. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Minimale Graphentheorie Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt
MehrA Berlin, 10. April 2017
A Berlin, 10. April 2017 Name:... Matr.-Nr.:... Wiederholung der schriftlichen Prüfung zur Vorlesung Diskrete Strukturen (Niedermeier/Molter/Froese, Wintersemester 2016/17) Einlesezeit: 15 Minuten Bearbeitungszeit:
MehrDas Art Gallery Problem
Dipl. Math. Timo de Wolff FB 12 Institut für Mathematik Mail: wolff(at)math.uni-frankfurt.de http://www.uni-frankfurt.de/fb/fb12/mathematik/dm/personen/dewolff/index.html Das Art Gallery Problem Mustervorlesung
MehrFormale Grundlagen. Graphentheorie 2008W. Vorlesung im 2008S
Minimale Formale Grundlagen Graphentheorie Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Minimale Inhalt Minimale
MehrZusammenfassung zu Graphentheorie
Sara Adams Zusammenfassung zu Graphentheorie - WS 2004/05 2 Inhaltsverzeichnis Zusammenfassung zu Graphentheorie Sara Adams 2. Juli 2005 Diese Zusammenfassung basiert auf der Vorlesung Graphentheorie gehalten
MehrGraphentheorie: Das Hamiltonische-Kreis-Problem: Definitionen, Resultate und Anwendungen
Graphentheorie: Das Hamiltonische-Kreis-Problem: Definitionen, Resultate und Anwendungen Dr. Gerold Jäger Habilitationsvorlesung Christian-Albrechts-Universität zu Kiel Institut für Informatik 21. April
MehrOR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen
HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben
MehrFärbungen auf Graphen
Färbungen auf Graphen Robert Siegfried Seminar Algorithmische Graphentheorie FH Wedel, 26.06.2003 Agenda Einleitung Definitionen Färben von Landkarten Anwendungsbeispiele Algorithmen Folie 2 Einleitung
MehrKapitel 3. Kapitel 3 Graphentheorie
Graphentheorie Inhalt 3.1 3.1 Grundlagen 3.2 3.2 Das Das Königsberger Brückenproblem 3.3 3.3 Bäume 3.4. 3.4. Planare Graphen 3.5 3.5 Färbungen Seite 2 3.1 Grundlagen Definition. Ein Ein Graph besteht aus
MehrAlexandra Kuhls Proseminar Das Buch der Beweise
Der Fünf Farben Satz Alexandra Kuhls Proseminar Das Buch der Beweise 30.11.2017 Der Fünf Farben Satz Ist es möglich, die Gebiete einer ebenen Karte so Ist es möglich, die Gebiete einer ebenen Karte so
MehrVon den Kanten von Gewicht 4 wird nur noch eine ausgewählt, die zu dem letzten nicht ausgewählten Knoten führt: 1. Juni
CHAPTER. GRAPHEN.. B Ä UME.. Bäume Ein schlichter Graph ohne Kreise heisst Wald, ist er noch zusätzlich zusammenhängend so wird er Baum genannt. Bevor wir Bäume genauer beschreiben ein kleines LEMMA...
MehrPlanare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296
Kapitel 7 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 256 / 296 Inhalt Inhalt 7 Färbungen Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 257 / 296 Jordankurve Zentrale Frage
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrLösungen zu Kapitel 5
Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V
Mehr1 Pfade in azyklischen Graphen
Praktikum Algorithmen-Entwurf (Teil 5) 17.11.2008 1 1 Pfade in azyklischen Graphen Sei wieder ein gerichteter Graph mit Kantengewichten gegeben, der diesmal aber keine Kreise enthält, also azyklisch ist.
MehrBetriebswirtschaftliche Optimierung
Institut für Statistik und OR Uni Graz 1 Approximationsalgorithmen auf metrischen Instanzen Minimum Spanning Tree Definition (Spannbaum) Ein Spannbaum in einem Graphen G = (V,E) ist ein kreisfreier Teilgraph
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrZweiter Zirkelbrief: Graphentheorie
Matheschülerzirkel Universität Augsburg Schuljahr 2014/2015 Zweiter Zirkelbrief: Graphentheorie Inhaltsverzeichnis 1 Grundbegriffe 1 2 Eulerkreise 4 3 Hamiltonkreise 7 4 Planare Graphen 9 5 Färbbarkeit
MehrWiederholung aus Diskreter Mathematik I: I: Graphentheorie
Wiederholung aus Diskreter Mathematik I: I: Graphentheorie Inhalt: W.1 Grundlagen W.2 Das Königsberger Brückenproblem W.3 Bäume W.4 Planare Graphen W.5 Färbungen W.1 Grundlagen Ein Ein Graph besteht aus
MehrUniv.-Prof. Dr. Goulnara ARZHANTSEVA
Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 08: Menger, König und Hall / Planare Graphen 1 / 30 Der Satz von Menger: s t trennende Kantenmenge
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
MehrVier-Farben-Vermutung (1)
Vier-Farben-Vermutung (1) Landkarten möchte man so färben, dass keine benachbarten Länder die gleiche Farbe erhalten. Wie viele Farben braucht man zur Färbung einer Landkarte? Vier-Farben-Vermutung: Jede
MehrBetriebliche Optimierung
Betriebliche Optimierung Joachim Schauer Institut für Statistik und OR Uni Graz Joachim Schauer ( Institut für Statistik und OR Uni Graz Betriebliche ) Optimierung 1 / 21 1 Approximationsalgorithmen auf
MehrÜbungsaufgaben Graphentheorie, Wintersemester 2011/12
Übungsaufgaben Graphentheorie, Wintersemester 2011/12 Frank Göring 25. Januar 2012 Zusammenfassung Übungsaufgaben zur Graphentheorievorlesung. 1 Bis 19.10.2011 1. Wir hatten einen Graphen G als zusammenhängend
MehrHA-Lösung TA-Lösung Diskrete Strukturen Hausaufgabenblatt 8. Abgabe bis zum um 12:00
Technische Universität München Winter 2018/19 Prof. J. Esparza / Dr. M. Luttenberger, C. Welzel 2019/01/29 HA- TA- Diskrete Strukturen Hausaufgabenblatt 8 Abgabe bis zum 12.12.2018 um 12:00 Beachten Sie:
MehrDefinition : Diechromatische Zahl eines Graphen G ist die kleinste Anzahl chromatische Zahl von Farben für eine zulässige Färbung.
4 Definition : Eine zulässige Färbung ist eine Färbung der Knoten des ( un- zulässige Färbung gerichteten ) Graphen, so daß je zwei adjazente Knoten verschiedene Farben haben. Trivial ist, daß n verschiedene
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik - WS 11/12. Klausurvorbereitung
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik - WS 11/12 Prof. Dr. A. Taraz, Dr. O. Cooley, Klausurvorbereitung Die Klausur zum Propädeutikum Diskrete Mathematik findet
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrHamiltonsche Graphen
Hamiltonsche Graphen Definition 3.2. Es sei G = (V, E) ein Graph. Ein Weg, der jeden Knoten von G genau einmal enthält, heißt hamiltonscher Weg. Ein Kreis, der jeden Knoten von G genau einmal enthält,
MehrTechnische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt
Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrHausarbeit aus. Graphentheorie Formale Grundlagen Professor Franz Binder. zum Thema. Herbert Huber k Seite 1 von 21
Hausarbeit aus 368.712 Formale Grundlagen Professor Franz Binder zum Thema Graphentheorie Herbert Huber k0455780 Seite 1 von 21 Inhaltsverzeichnis Graphen Grundlagen und Begriffsdefinitionen...3 Graphenstrukturen...6
MehrAlgorithmen für Planare Graphen
Algorithmen für Planare Graphen 12. Juni 2018, Übung 4 Lars Gottesbüren, Michael Hamann INSTITUT FÜR THEORETISCHE INFORMATIK KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Prüfungstermine
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
MehrWS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Matchings)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Matchings) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 008/09 Blatt
MehrWestfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld
Westfählische Wilhelms-Universität Eulersche Graphen Autor: 21. Mai 2015 Inhaltsverzeichnis 1 Das Königsberger Brückenproblem 1 2 Eulertouren und Eulersche Graphen 2 3 Auffinden eines eulerschen Zyklus
MehrÜbung zur Vorlesung Diskrete Strukturen I
Technische Universität München WS 00/03 Institut für Informatik Aufgabenblatt 6 Prof. Dr. J. Csirik 18. November 00 Brandt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr6. Planare Graphen und Färbungen
6. Planare Graphen und Färbungen Lernziele: Den Begriff der Planarität verstehen und erläutern können, wichtige Eigenschaften von planaren Graphen kennen und praktisch einsetzen können, die Anzahl von
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrSeminar: Einladung in die Mathematik
Seminar: Einladung in die Mathematik Marius Kling 11.11.2013 Übersicht 1. Königsberger Brückenproblem 2. Diskrete Optimierung 3. Graphentheorie in der Informatik 4. Zufällige Graphen 5. Anwendungen von
MehrGraphentheorie. Färbungen. Knoten- und Kantenfärbungen. Knoten- und Kantenfärbungen. Rainer Schrader. 28. Januar 2008
Graphentheorie Rainer Schrader Färbungen Zentrum für Angewandte Informatik Köln 28. Januar 2008 1 / 57 2 / 57 wir wollen versuchen, die Knoten eines Graphen zu färben dabei dürfen keine zwei benachbarten
MehrFür die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt:
Der K 4 lässt sich auch kreuzungsfrei zeichnen: Für die Anzahl der Kanten in einem vollständigen Graphen (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: ( ) n n (n 1) E
MehrAnwendungen von Graphen
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke elektrische Schaltpläne Entity-Relationship Diagramme Beweisbäume endliche Automaten Syntaxbäume für Programmiersprachen Entscheidungsbäume
MehrElementare Definitionen. Anwendungen von Graphen. Formalisierung von Graphen. Formalisierung von Digraphen. Strassen- und Verkehrsnetze
Anwendungen von Graphen Strassen- und Verkehrsnetze Computernetzwerke Elementare Definitionen Ein Graph besteht aus Knoten und Kanten, die die Knoten verbinden. elektrische Schaltpläne Entity-Relationship
MehrGraphentheorie. Kardinalitätsmatchings. Kardinalitätsmatchings. Kardinalitätsmatchings. Rainer Schrader. 11. Dezember 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 11. Dezember 2007 1 / 47 2 / 47 wir wenden uns jetzt einem weiteren Optimierungsproblem zu Gliederung Matchings in bipartiten Graphen
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrÜbungsblatt Nr. 5. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 svorschlag Aufgabe 1
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrProgrammiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
MehrVorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen
Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen Bernhard Ganter WS 2013/14 1 Eulersche Graphen Kantenzug Ein Kantenzug in einem Graphen (V, E) ist eine Folge (a 0, a 1,..., a n ) von Knoten
MehrDiskrete Mathematik. Hamiltonsche Graphen Teil I. Karina Arndt
Diskrete Mathematik Hamiltonsche Graphen Teil I Karina Arndt 21.06.2006 Übersicht Einleitung Hamiltonsch und eulersch Hamiltonsche Kreise Hamiltonsche Graphen neu zeichnen Kreise und Wege Reguläre Graphen
MehrDiskrete Strukturen. Name Vorname Studiengang Matrikelnummer. Hörsaal Reihe Sitzplatz Unterschrift ... Allgemeine Hinweise
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 7 Prof. Dr. Javier Esparza Wintersemester 2008/09 Abschlussklausur 7. Februar 2009 Diskrete Strukturen Name Vorname Studiengang
MehrDiskrete Mathematik für Informatiker
Universität Siegen Lehrstuhl Theoretische Informatik Carl Philipp Reh Daniel König Diskrete Mathematik für Informatiker WS 016/017 Übung 7 1. Gegeben sei folgender Graph und das Matching M = {{h, f}, {c,
MehrBernd Döring. Wege, Plätten, Färben. Vom Problem zur Theorie der Graphen
Bernd Döring Wege, Plätten, Färben Vom Problem zur Theorie der Graphen Bernd Döring, 2002-2005 Bernd Döring Johannes-Althusius-Gymnasium Früchteburger Weg 28 26721 Emden - 2 - Inhaltsverzeichnis 0. Einleitung
MehrAlgorithmische Graphentheorie
1 Algorithmische Graphentheorie Sommersemester 2016 1. Vorlesung Rundreiseprobleme Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Übersicht I) Eulerkreise III) Handlungsreisende II) Hamiltonkreise
MehrEffizienter Planaritätstest Vorlesung am
Effizienter Planaritätstest Vorlesung am 23.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER Satz Gegebenen einen Graphen G = (V, E) mit n Kanten und m Knoten, kann in O(n + m) Zeit
MehrVorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesungstermin 2: Graphentheorie II Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Wiederholung: Vollständige Induktion Ziel: zeige n N. A(n) für eine Aussage
MehrZentralübung zur Vorlesung Diskrete Strukturen
WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:
Mehr