Triangulierung von einfachen Polygonen
|
|
- Berthold Förstner
- vor 7 Jahren
- Abrufe
Transkript
1 Triangulierung von einfachen Polygonen - Seminarvortrag von Tobias Kyrion - Inhalt: 1.1 Die Problemstellung Quellenangabe
2 1.1 Die Problemstellung Definition Polygon: endlich viele paarweise verschiedene Eckpunkte P 1,..., P n R 2, n N Seiten: Verbindungsstrecken P i P i+1, i = 1,..., n 1 und P n P 1 einfach: Die Seiten schneiden sich paarweise nicht. Sinnvoll: eine Orientierung der Seiten Im Folgenden seien diese immer im Uhrzeigersinn angeordnet.
3 Beispiel 1.1: kein einfaches Polygon Beispiel 1.2: einfaches orientiertes Polygon
4 Definition Diagonale: Verbindungsstrecke von zwei Eckpunkten P k, P l, k, l {1,..., n}, k l, die selbst keine Seite ist, keine andere Seite schneidet und vollständig im Inneren des Polygons verläuft Letzteres bedeutet: Durch Einfügen der Diagonale wird das Polygon in zwei kleinere disjunkte Teilpolygone zerlegt. Die Diagonale ist dann jeweils eine Seite dieser Teilpolygone, welche beide auch einfach sind.
5 Für einfache Polygone existiert mindestens eine Diagonale. Dreiecke sind offenbar Polygone mit kleinstmöglicher Eckenanzahl, die einfach sind und in die man keine Diagonale mehr einsetzen kann. Induktiv beweist man somit, dass für jedes einfache Polygon eine Zerlegung in Dreiecke konstruierbar ist.
6 Solch eine Zerlegung nennt man Triangulation. Problemstellung: Bestimme Triangulation nur durch Hinzunahme von Diagonalen. Beachte: Neue Diagonalen dürfen die bereits eingefügten nicht schneiden, denn es sollen keine inneren (Schnitt-)Punkte generiert werden. Außerdem: Eine Triangulation eines einfachen Polygons mit n N Eckpunkten besteht immer aus n 2 Dreiecken.
7 Wie erzeugt man nun algorithmisch eine Triangulation? Eine mögliche Realisierung bietet der sogenannte ear-clipping-algorithmus.
8 Definition Ecke: zwei (bzgl. der Orientierung) aufeinanderfolgende Seiten, also P i 1 P i P i+1, i = 2,.., n 1 und P n P 1 P 2, P n 1 P n P 1 Innenwinkel: Die Seiten einer Ecke P i 1 P i P i+1 umschließen am mittleren Punkt P i jeweils zwei Winkel (i = 2,.., n 1). In Durchlaufrichtung rechts von den Seiten P i 1 P i und P i P i+1 liegt der Innenwinkel. konvex: Ein konvexer Eckpunkt P i hat einen Innenwinkel kleiner als 180.
9 Definition Ohr: Ecke P i 1 P i P i+1, deren mittlerer Punkt P i konvex ist und bei der das Dreieck P i 1 P i P i+1 keinen von den übrigen Eckpunkten enthält (Entsprechendes definieren wir auch für die beiden Ecken P n P 1 P 2 und P n 1 P n P 1.) P i α P i 1 P i+1 Beispiel 2.1: einfaches Polygon mit Ohr P i 1 P i P i+1 und α < 180
10 Prinzip des ear-clipping-algorithmus: Bei einem Ohr P i 1 P i P i+1 ist die Strecke P i 1 P i+1 eine Diagonale. Durchlaufe solange die Eckpunkte, bis einer dieser als mittlerer Punkt eines Ohres identifiziert wird. Füge die zum gefundenen Ohr gehörende Diagonale ein - das Ohr wird dadurch vom Polygon abgetrennt. Das verbleibende Restpolygon besitzt nun einen Eckpunkt weniger als das Gesamtpolygon. Führe die vorigen Schritte iterativ für die jeweiligen Restpolygone aus, bis das letzte von denen nur noch drei Ecken besitzt.
11 0 P P 2 P 2 P 1 P 4 P 1 P 3 P 1 P 2 P 5 P 4 P 3 P 7 P 6 P 5 P 6 P 5 P P 1 P 1 P 4 P 2 P 3 P 3 Beispiel 2.2: ein Durchlauf des ear-clipping-algorithmus P 2
12 Zur Korrektheit: Alle einfachen Polygone besitzen mindestens ein Ohr. Nach Abtrennen eines Ohres ist das verbleibende Teilpolygon einfach - dieses besitzt somit auch ein Ohr. Bei jedem Abtrennen eines Ohres wird die Eckenanzahl n um 1 verkleinert, d.h. der Algorithmus terminiert nach n gesamt 3 Iterationen.
13 Zur Laufzeit: Prüfen, ob Punkt x in Dreieck abc liegt: O(1) Prüfen, ob aktuelle Ecke P i 1 P i P i+1 ein Ohr ist (liegt einer von den n 3 anderen Eckpunkten in P i 1 P i P i+1?): O(n 3) Die Laufzeitsumme aller Iterationen - also die Gesamtlaufzeit - beträgt höchstens: O( n k=4 (k 3)) = O(n2 ) Der ear-clipping-algorithmus besitzt folglich quadratische Laufzeit.
14 Frage: Gibt es schnellere Algorithmen zur Triangulation? Strategie, um die Laufzeit zu verbessern: 1. Zerlege das einfache Polygon in monotone Polygone, welche in diesem Abschnitt behandelt werden. 2. Trianguliere diese in Linearzeit, was im nächsten Abschnitt gezeigt wird.
15 Definition monoton: Sei g R 2 eine Gerade. Ein einfaches Polygon ist monoton bzgl. g, wenn die Schnittmenge aller Geraden, die orthogonal zu g verlaufen, mit der vom Polygon begrenzten Fläche entweder die leere Menge, ein Punkt, oder eine Strecke ist. Man nennt g dann auch die Monotonieachse. Beispiel 3.1: monotones Polygon mit Monotonieachse g g
16 Definition x-monoton bzw. y-monoton: Ein monotones Polygon ist x-monoton bzw. y-monoton, falls die x-achse bzw. die y-achse des kartesischen Koordinatensystems im R 2 seine Monotonieachse ist. Der nachfolgende Algorithmus zerlegt ein einfaches Polygon in x-monotone Teilpolygone.
17 Er funktioniert nach dem scan-line-prinzip: Lasse eine imaginäre zur y-achse parallele Gerade - die scan-line - von links nach rechts über das gesamte Polygon wandern. Verarbeite stets nur Punkte, die bereits links von der scan-line liegen. Speichere diese Punkte in einer priority-queue. Punkte mit größerer x-koordinate haben dabei höhere Priorität. Suchen, Einfügen oder Löschen von Punkten in der priority-queue ist in O(log(n)) Zeit möglich.
18 Wir stellen fest: Das Polygon besitzt: einen Eckpunkt P l, der von allen Eckpunkten am weitesten links liegt einen Eckpunkt P r, der von allen Eckpunkten am weitesten rechts liegt eine obere Kette (d.h. ein Streckenzug bestehend aus Seiten), die bei P l beginnt und bei P r endet eine untere Kette, die ebenfalls bei P l beginnt und bei P r endet
19 (Zur Vereinfachung nehmen wir an, dass es keine zwei Eckpunkte mit gleichen y-koordinaten gibt.) Alle Eckpunkte der oberen Kette, außer natürlich P l und P r, liegen oberhalb der unteren Kette.
20 Wir wandern nun gleichzeitig entlang der oberen und unteren Kette von links nach rechts. Es kann dabei passieren, dass sich dabei die Durchlaufrichtung von rechts nach links oder links nach rechts ändert. Definition turn-vertex: Eckpunkt, an dem sich die Durchlaufrichtung ändert (d.h. sein Vorgänger und sein Nachfolger haben beide größere bzw. kleinere x-koordinaten als der turn-vertex)
21 Um den Algorithmus zu bewerkstelligen, unterteilen wir die Eckpunkte in 5 Typen - die ersten 4 davon sind turn-vertices: Definition start-vertex: Innenwinkel kleiner als 180, Nachbarn beide rechts end-vertex: Innenwinkel kleiner als 180, Nachbarn beide links split-vertex: Innenwinkel größer als 180, Nachbarn beide rechts merge-vertex: Innenwinkel größer als 180, Nachbarn beide links regular vertex: alle übrigen Eckpunkte
22 start end split merge regular Beispiel 3.2: die 5 Eckpunkttypen
23 Grundidee des Algorithmus: Ein einfaches Polygon ist x-monoton, falls es weder split- noch merge-vertices besitzt. Eliminiere also jeden split- oder merge-vertex durch Einfügen einer geeigneten Diagonale. Dadurch zerfällt das Polygon in zwei Teilpolygone. In beiden Teilpolygonen ist der ursprüngliche split- oder merge-vertex kein split- oder merge-vertex mehr.
24 Einfügen von Diagonalen bei split-vertices: Die scan-line erreiche nun einen split-vertex v i. Wir versuchen an v i eine Diagonale so einzufügen, dass ihr anderer Endpunkt ein Eckpunkt links von v i ist. Die scan-line schneidet das Polygon an zwei Seiten e k, e j unmittelbar oberhalb bzw. unterhalb von v i.
25 Definition helper(e j ): derjenige Eckpunkt in der priority-queue (d.h. links von der scan-line) mit maximaler x-koordinate, dessen Lot auf die Seite e j vollständig im Inneren des Polygons liegt Schließlich muss man nur noch die Diagonale zwischen v i und helper(e j ) einsetzen, um v i zu eliminieren.
26 helper(e j ) e k v i e j Beispiel 3.3: neue Diagonale bei einem split-vertex
27 Einfügen von Diagonalen bei merge-vertices: Der Endpunkt der Diagonale, die wir an einem merge-vertex v i einsetzen, muss rechts von v i liegen. Wir wählen ihn so, dass seine x-koordinate minimal ist. Problem: Wenn die scan-line v i erreicht, sind die Eckpunkte rechts von v i noch unbekannt.
28 Das Problem ist jedoch leichter, als es dem ersten Anschein nach ist: Die scan-line schneidet das Polygon wiederum an zwei Seiten e k, e j unmittelbar oberhalb bzw. unterhalb von v i und v i ist zudem der aktuelle helper(e j ). Die scan-line schreitet weiter nach rechts. Sobald ein neuer helper(e j ) gefunden wird, ist dieser der gesuchte rechte Endpunkt für die neue Diagonale.
29 Falls kein neuer helper(e j ) gefunden wird, so verbinde v i mit dem rechten Endpunkt von helper(e j ). Jedesmal, wenn der helper einer Seite aktualisiert wird, überprüfen wir, ob der alte helper ein merge-vertex war. Falls ja, wird die Verbindungsdiagonale eingesetzt.
30 Beispiel 3.4: vollständige Zerlegung in x-monotone Teilpolygone
31 Zur Korrektheit: Das Eliminieren von split- und merge-vertices durch Hinzufügen von Diagonalen liefert nur x-monotone Teilpolygone. Die helper-eigenschaft wird benutzt, damit sich die Diagonalen nicht schneiden.
32 Zur Laufzeit: Priority-queue-Operationen: O(log(n)) nötige Anzahl an priority-queue-operationen: O(n) Damit ergibt sich die Gesamtlaufzeit: O(n log(n))
33 Wir betrachten nun ein x-monotones Polygon. Es seien P l und P r wiederum die beiden Eckpunkte, die am weitesten links bzw. rechts liegen. Es besitzt auch eine obere und untere Kette, die beide bei P l beginnen und bei P r enden.
34 Wir stellen fest: Da das Polygon keine split- oder merge-vertices besitzt, sind die Ketten geordnet: Eckpunkte auf den Ketten haben stets kleinere x-koordinaten als ihre Nachfolger in den Ketten, wenn man von links nach rechts wandert.
35 Definition monotoner Berg: x-monotones Polygon, dessen obere oder untere Kette nur aus den Eckpunkten P l und P r besteht Definition monotoner Streifen: x-monotones Polygon, dessen Eckpunkte abwechselnd zur oberen oder unteren Kette gehören, wenn man sie nach der Größe ihrer x-koordinaten ordnet
36 Beispiel 3.5: monotone Berge Beispiel 3.6: monotoner Streifen, trianguliert
37 Monotone Berge kann man auf diese Weise triangulieren: Bestimme zunächst alle konvexen Eckpunkte in der längeren Kette und speichere sie in einem Stapel L. Jeder dieser konvexen Eckpunkte ist schon automatisch ein mittlerer Punkt eines Ohres. Entferne den obersten Eckpunkt P i aus dem Stapel und füge die zu seinem Ohr gehörende Diagonale ein. Aktualisiere entsprechend die Innenwinkel des linken und rechten Nachbarpunktes von P i.
38 Falls einer oder beide Nachbarpunkte nun konvex sind und sie nicht mit P l oder P r übereinstimmen, lege sie auf dem Stapel ab. Wiederhole diese Prozedur so lange, bis der Stapel leer ist.
39 0 P 2 P 3 1 P 2 P 3 P 1 P 4 P 1 2 P 2 3 P 1 P 1
40 4 5 P 1 P 1 6 Beispiel 3.7: Triangulierung eines monotonen Berges
41 Zur Korrektheit: Die Verbindungsstrecke vom linken und rechten Nachbarn eines konvexen Eckpunkts in der längeren Kette eines monotonen Berges ist eine Diagonale. Jeder monotone Berg besitzt in der längeren Kette mindestens einen konvexen Eckpunkt. Jedes Restpolygon ist auch ein monotoner Berg und besitzt somit auch mindestens einen konvexen Eckpunkt in seiner längeren Kette. In jeder Iteration wird demnach genau ein Ohr abgeschnitten.
42 Zur Laufzeit: Höchstens n 2 Eckpunkte befinden sich im Stapel. Initialisierung, d.h. prüfen jedes Eckpunktes auf Konvexität und belegen des Stapels: O(n) Entfernen eines Punktes und Einfügen der Diagonale: O(1) Gesamtlaufzeit (d.h. Initialisierung plus Zeit, bis der Stapel leer ist): O(n) Der Algorithmus besitzt also lineare Laufzeit.
43 Die Triangulierung eines monotonen Streifens ist trivial: Verbinde aufsteigend nach der x-koordinate abwechselnd die Eckpunkte aus der oberen und unteren Kette mit Diagonalen. Dieser Algorithmus ist offensichtlich korrekt und hat lineare Laufzeit.
44 Nun zu beliebigen monotonen Polygonen: Jedes monotone Polygon lässt sich in monotone Berge und Streifen zerlegen. Diese sind in Linearzeit triangulierbar. Man kann mit Hilfe dieser Zerlegung beliebige monotone Polygone in linearer Laufzeit triangulieren!
45 Beispiel 3.8: Zerlegung eines monotonen Polygons in Berge und Streifen
46 Initialisiere einen Stapel mit dem Eckpunkt P l. Verwende ferner die beiden Zählvariablen UpCntr und DownCntr vom Typ Integer, die mit dem Wert 0 initialisiert werden. Wandere gleichzeitig auf der oberen und unteren Kette von links nach rechts. Im Folgenden lege jeweils denjenigen nächsten Eckpunkt aus der oberen oder unteren Kette auf den Stapel, welcher die kleinere x-koordinate hat.
47 Ist dieser aus der oberen Kette, so erhöhe UpCntr um 1 und setze DownCntr gleich Null, andernfalls erhöhe DownCntr um 1 und setze UpCntr gleich Null Bevor UpCntr oder DownCntr gleich Null gesetzt werden, können folgende drei Fälle auftauchen: 1. UpCntr bzw. DownCntr = 0 (Initialisierung) 2. UpCntr bzw. DownCntr = 1 3. UpCntr bzw. DownCntr > 1
48 1. Fall: Nichts zu tun. 2. Fall: Die Verbindungsstrecke vom aktuellen Punkt und dem obersten Punkt auf dem Stapel ist eine Diagonale, die zu einem monotonen Streifen gehört. Füge diese ein und ersetze den obersten Punkt auf dem Stapel mit dem aktuellen. 3. Fall: Der aktuelle Punkt ist der rechte Endpunkt P r eines monotonen Berges, der aus den Punkten im Stapel besteht. Trianguliere diesen und leere anschließend den Stapel, bevor dort der aktuelle Punkt abgelegt wird.
49 Zur Korrektheit: Es ist klar, dass die monotonen Streifen direkt trianguliert werden. Der Algorithmus für die monotonen Berge ist korrekt, somit ist die Triangulierung jedes Teilberges ein korrekter Schritt.
50 Zur Laufzeit: Da die monotonen Streifen direkt trianguliert werden, ist die Triangulation aller Streifen insgesamt beschränkt durch: O(n) Das Polygon besitze j N Teilberge. Die Teilberge besitzen n 1,..., n j N Eckpunkte. Es gilt auf jeden Fall: j k=1 n k < 2n Laufzeit zur Triangulierung aller Berge: j k=1 O(n k) = O(n) Gesamtlaufzeit: O(n) Linear!
51 Quellenangabe M. de Berg, O. Cheong, M. van Krefeld, M. Overmars: Computational Geometry, Algorithms and Applications, p webpage/lec/24_triang_ii.pdf
Triangulierung von einfachen Polygonen
Triangulierung von einfachen Polygonen Tobias Kyrion Inhaltsverzeichnis 1.1 Die Problemstellung....................... 1 2.1 Ein naiver Algorithmus...................... 2 3.1 Zerlegung in monotone Teilpolygone..............
Mehr6. Triangulation von Polygonen
1 6. Triangulation von Polygonen 2 Problemstellung 3 Problemstellung 4 Problemstellung 5 Problemstellung 6 Jedes Polygon lässt sich triangulieren. Wir führen einen Induktionsbeweis nach der Anzahl der
Mehr2.4. Triangulierung von Polygonen
Als drittes Problem haben wir in Kapitel 1 die Triangulierung von Polygonen identifiziert, die etwa bei der Überwachung eines Museums durch Kameras auftritt. F70 F71 Definition und Theorie: Definition
MehrAlgorithmische Geometrie 5. Triangulierung von Polygonen
Algorithmische Geometrie 5. Triangulierung von Polygonen JProf. Dr. Heike Leitte Computergraphik und Visualisierung Inhaltsverzeichnis 1. Einführung 2. Konvexe Hülle 3. Schnitte von Liniensegmenten 4.
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 26.04.2011 Das Kunstgalerie-Problem
MehrTriangulierung von Polygonen und das Museumsproblem
Triangulierung von Polygonen und das Museumsproblem (Literatur: deberg et al., Kapitel 3) 1 Motivation: Das Museumsproblem ein Museum soll durch Kameras überwacht werden wie viele Kameras werden benötigt?
MehrWas bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone
Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer
MehrPolygontriangulierung
Vorlesung Algorithmische Geometrie Polygone triangulieren INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.05.2012 Das Kunstgalerie-Problem Aufgabe: Installiere ein Kamerasystem
MehrAlgorithmische Geometrie 3. Schnitte von Liniensegmenten
Algorithmische Geometrie 3. Schnitte von Liniensegmenten JProf. Dr. Heike Leitte Computergraphik und Visualisierung Inhaltsverzeichnis 1. Einführung 2. Konvexe Hülle 3. Schnitte von Liniensegmenten 4.
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrPolygon Triangulation. robot.scr. "Art Gallery Problem" Sichtbarkeitspolygon. Algorithmische Geometrie - SS 99 - Th. Ottmann
Polygon Triangulation "Art Gallery Problem" Sichtbarkeitspolygon robot.scr Triangulation simpler Polygone P w v u Satz: Triangulation existiert und besitzt n-2 Dreiecke Bew.: Induktion über n> 3. Suche
MehrGeometrische Algorithmen Voronoi-Diagramme. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Voronoi-Diagramme
Folie 1 von 32 Geometrische Algorithmen Voronoi-Diagramme Folie 2 von 32 Voronoi-Diagramme Übersicht Problemstellung Animation zur Konstruktion eines Voronoi-Diagramms Definition, Eigenschaften eines Voronoi-Diagramms
MehrKARL-FRANZENS-UNIVERSITÄT GRAZ. Seminar aus Reiner Mathematik. Die Museumswächter. Krupic Mustafa Wintersemester 2013/14
KARL-FRANZENS-UNIVERSITÄT GRAZ Seminar aus Reiner Mathematik Die Museumswächter Krupic Mustafa Wintersemester 2013/14 Inhaltsverzeichnis 2 Inhaltsverzeichnis 1 Einleitung 3 2 Museumswächter-Satz 6 2.1
MehrGeometrische Algorithmen Einige einfache Definitionen: Ist ein Punkt in einem Polygon? Punkt-in-Polygon-Problem. Das Punkt-in-Polygon-Problem
Geometrische Algorithmen Einige einfache Definitionen: Punkt: im n-dimensionalen Raum ist ein n-tupel (n Koordinaten) Gerade: definiert durch zwei beliebige Punkte auf ihr Strecke: definiert durch ihre
MehrKonvexe Hülle. Konvexe Hülle. Mathematik. Konvexe Hülle: Definition. Mathematik. Konvexe Hülle: Eigenschaften. AK der Algorithmik 5, SS 2005 Hu Bin
Konvexe Hülle Konvexe Hülle AK der Algorithmik 5, SS 2005 Hu Bin Anwendung: Computergraphik Boundary Kalkulationen Geometrische Optimierungsaufgaben Konvexe Hülle: Definition Mathematik Konvex: Linie zwischen
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
MehrVoronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.06.2014 1 Das Postamt-Problem b(p, q) = {x 2 R 2 : xp = xq } p q h(p, q) h(q, p) = {x
MehrGrundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):
Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"): 1 Erzeugung des Voronoi-Diagramms (siehe Vorlesung "Algorithmische
Mehr1 Kürzeste Pfade in Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 03.11.2011 1 1 Kürzeste Pfade in Graphen Es sei ein gerichteter Graph G = (V, E) mit V = n Knoten, E = m Kanten und Kantengewichten c : E R gegeben. Ein Pfad in G
MehrPunktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 22.05.2012 Nachtrag: Dynamische Bereichsabfragen Letzte Woche: kd-trees und Range-Trees
MehrDie Determinante eines Friesmuster
Die Determinante eines Friesmuster Die Determinante eines Friesmuster von Hannah Vogel,??? Einleitung Friesmuster (engl. Frieze Pattern ) gab es schon lange bevor sie in der Mathematik diskutiert wurden.
MehrGeometrie 1. Christian Bay Christian Bay Geometrie / 46
Geometrie 1 Christian Bay 02.07.2013 Christian Bay Geometrie 1 02.07.2013 1 / 46 Inhaltsverzeichnis Grundlagen CCW Polygone Picks Theorem Konvexe Hülle Christian Bay Geometrie 1 02.07.2013 2 / 46 Geometrie
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
MehrPunktlokalisation 1. Trapez-Zerlegungen. 2. Eine Suchstruktur. 3. Randomisierter, inkrementeller Algorithmus zur Konstruktion der Trapez-Zerlegung
Punktlokalisation 1. Trapez-Zerlegungen 2. Eine Suchstruktur 3. Randomisierter, inkrementeller Algorithmus zur Konstruktion der Trapez-Zerlegung 4. Analyse Punktlokalisation Einteilung in Streifen Anfragezeit:
Mehrhäufige Aufgabe Motivation: Approximation komplizierter Geometrien durch einfachere Dreiecke oft effizienter zu bearbeiten als Polygone
Triangulierung häufige Aufgabe Motivation: Approximation komplizierter Geometrien durch einfachere Dreiecke oft effizienter zu bearbeiten als Polygone Problemstellung 1: Gegeben: ein einfaches Polygon
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrAlgorithmische Geometrie: Schnittpunkte von Strecken
Algorithmische Geometrie: Schnittpunkte von Strecken Nico Düvelmeyer WS 2009/2010, 3.11.2009 3 Phasen im Algorithmenentwurf 1. Konzentration auf das Hauptproblem 2. Verallgemeinerung auf entartete Eingaben
MehrKapitel 9 Algorithm. Geometrie. Kürzeste Abstände Konvexe Hülle
Kapitel 9 Algorithm. Geometrie Kürzeste Abstände Konvexe Hülle Überblick Teilgebiet der Informatik, in dem es um die Entwicklung effizienter Algorithmen und die Bestimmung der algorithmischen Komplexität
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)
MehrAufgabensammlung zur algorithmischen Geometrie
1 Aufgabensammlung zur algorithmischen Geometrie 2012WS Andreas Kriegl 1. Konvexe Hülle als Durchschnitt. Zeige, daß der Durchschnitt konvexer Mengen wieder konvex ist und somit die konvexe Hülle einer
MehrGeometrische Algorithmen
Geometrische Algorithmen Thomas Röfer Motivation Scan-line-Prinzip Konvexe Hülle Distanzprobleme Voronoi-Diagramm Rückblick Manipulation von Mengen Vorrangwarteschlange Heap HeapSort swap(a, 0, 4) 1 5
MehrMehrwegbäume Motivation
Mehrwegbäume Motivation Wir haben gute Strukturen (AVL-Bäume) kennen gelernt, die die Anzahl der Operationen begrenzen Was ist, wenn der Baum zu groß für den Hauptspeicher ist? Externe Datenspeicherung
MehrPolygone - Bausteine der Computergrafik
Polygone - Bausteine der Computergrafik Schülerseminar Florian Buchegger Johannes Kepler Universität Linz Dez 12, 2014 Wo werden Polygone verwendet? Welche wichtige Algorithmen gibt es? Outline Wo werden
MehrAlgorithmische Geometrie
Algorithmische Geometrie Martin Peternell TU Wien 31. Fortbildungstagung für Geometrie 2010, Strobl 1 Themen der Algorithmische Geometrie Entwurf von Algorithmen für geometrische Fragestellungen betreffend
MehrWaben-Sudoku. Günter Aumann und Klaus Spitzmüller. Sudoku ist in. Oder ist es schon wieder langweilig? Es gibt Alternativen.
Waben-Sudoku Günter Aumann und Klaus Spitzmüller Sudoku ist in. Oder ist es schon wieder langweilig? Es gibt Alternativen. Eine Vorüberlegung Reguläre Vierecke und Sechsecke zeichnen sich vor allen anderen
MehrM. Pester 29. Ein konvexes d-polytop ist eine begrenzte d-dimensionale polyedrale Menge. (d = 3 Polyeder, d = 2 Polygon)
M. Pester 29 6 Konvexe Hülle 6.1 Begriffe Per Definition ist die konvexe Hülle für eine Menge S von lich vielen Punkten die kleinste konvexe Menge, die S enthölt (z.b. in der Ebene durch ein umspannes
Mehr1.1. Geradengleichung aus Steigung und y-achsenabschnitt
Version vom 4. Januar 2007 Gleichungen von Geraden in der Ebene 1999 Peter Senn * 1.1. Geradengleichung aus Steigung und y-achsenabschnitt In dieser Form lautet die Gleichung der Geraden wie folgt: g:
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrEbene Elementargeometrie
Ebene Elementargeometrie Im Folgenden unterscheiden wir neben Definitionen (Namensgebung) und Sätzen (nachweisbaren Aussagen) so genannte Axiome. Axiome stellen der Anschauung entnommene Aussagen dar,
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
Mehr16. Platonische Körper kombinatorisch
16. Platonische Körper kombinatorisch Ein Würfel zeigt uns, daß es Polyeder gibt, wo in jeder Ecke gleich viele Kanten zusammenlaufen, und jede Fläche von gleich vielen Kanten berandet wird. Das Tetraeder
Mehr6.1.2 Bem.: Für Vierecke ist der Begriff Innenwinkel im allgemeinen nicht sinnvoll. Skizze.
6 Flächeninhalt 6.1 Vierecke 6.1.1 Def.: Seien A, B, C, D vier verschiedene Punkte in E, keine drei auf einer Geraden, so dass AB, BC, CD, DA einander höchstens in Endpunkten treffen. Dann bilden diese
MehrGeometrische Algorithmen Punkt-in-Polygon-Suche. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Punkt-in-Polygon-Suche
Folie 1 von 51 Geometrische Algorithmen Punkt-in-Polygon-Suche Folie 2 von 51 Punkt-in-Polygon-Suche Übersicht Praxisbeispiel/Problemstellung Zählen von Schnittpunkten Schnitt einer Halbgerade mit der
Mehr1 Rotating Calipers. 2 Antipodal und Copodal. 3 Distanzen Rechtecke Eigenschaften
1 Rotating Calipers 2 3 Rotating Calipers - Algorithmus Konvexes Polygon mit parallelen Stützgeraden Rotating Calipers - Finder Shamos lässt 1978 zwei Stützgeraden um ein Polygon rotieren Zwei Stützgeraden
MehrGeometrie I. Laura Lawniczak Hallo Welt -Seminar - LS 2
Geometrie I Laura Lawniczak 12.07.2017 Hallo Welt -Seminar - LS 2 Inhalt Grundlagen Abstandsberechnung Punkt-Gerade Punkt-Segment CCW Polygone Punkt in Polygon Pick s Theorem Konvexe Hülle 12.07.2017 Laura
MehrKapitel 2: Analyse der Laufzeit von Algorithmen Gliederung
Gliederung 1. Motivation / Einordnung / Grundlagen 2. Analyse der Laufzeit von Algorithmen 3. Untere Schranken für algorithmische Probleme 4. Sortier- und Selektionsverfahren 5. Paradigmen des Algorithmenentwurfs
MehrComputer-Graphik I Verallgemeinerte Baryzentrische Koordinaten
lausthal omputer-raphik I Verallgemeinerte Baryzentrische Koordinaten. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Verallgemeinerungen der baryzentr. Koord. 1. Was macht man im 2D bei
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 5 FS 14
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 26. März
MehrAlgorithmische Geometrie: Lineare Optimierung (I)
Algorithmische Geometrie: Lineare Optimierung (I) Nico Düvelmeyer WS 2009/2010, 17.11.2009 Überblick 1 Geometrie von Gießformen 2 Durchschnitte von Halbebenen 3 Inkrementeller Algorithmus Überblick 1 Geometrie
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrGeometrie I. Sebastian Redinger Informatik 2 Programmiersysteme Martensstraße Erlangen
Geometrie I Sebastian Redinger 01.07.2015 Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Grundlagen CCW Polygone Picks Theorem Konvexe Hülle - Graham Scan - Jarvis March 2 Gliederung
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse
MehrAlgorithmen und Datenstrukturen Heapsort
Algorithmen und Datenstrukturen 2 5 Heapsort In diesem Kapitel wird Heapsort, ein weiterer Sortieralgorithmus, vorgestellt. Dieser besitzt wie MERGE-SORT eine Laufzeit von O(n log n), sortiert jedoch das
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,
MehrPROJEKT / SEMINAR DIGITALE FABRIKATION DI
CONTOURLINES Applikation zur digitalen Fabrikation von Höhenschicht-Modellen PROJEKT / SEMINAR DIGITALE FABRIKATION DI Martin Emmerer Matr.Nr.95 30 952 1 Zielsetzung Höhenlinien, auch Isohypsen, Niveaulinien
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 17. Januar 2012 INSTITUT FÜR THEORETISCHE 0 KIT 18.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 7. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@informatik.uni-leipzig.de aufbauend auf den Kursen der letzten Jahre von E. Rahm, G. Heyer,
MehrDualität + Quad-trees
Übung Algorithmische Geometrie Dualität + Quad-trees LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 30.06.2011 Übersicht Übungsblatt 10 - Dualität
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),
Mehr21. Die Formel von Pick
21. Die Formel von Pick Ein Polygon P, dessen Ecken bezüglich eines kartesischen Koordinatensystems ganzzahlige Koordinaten besitzen, soll Gitterpolygon heißen. Für geschlossene überschneidungsfreie Gitterpolygone
MehrF B. Abbildung 2.1: Dreieck mit Transversalen
2 DS DREIECK 16 2 Das Dreieck 2.1 Ein einheitliches Beweisprinzip Def. Eine Gerade, die jede Trägergerade der Seiten eines Dreiecks (in genau einem Punkt) schneidet, heißt Transversale des Dreiecks. Eine
MehrAbstrakter Datentyp (ADT): Besteht aus einer Menge von Objekten, sowie Operationen, die auf diesen Objekten wirken.
Abstrakte Datentypen und Datenstrukturen/ Einfache Beispiele Abstrakter Datentyp (ADT): Besteht aus einer Menge von Objekten, sowie Operationen, die auf diesen Objekten wirken. Datenstruktur (DS): Realisierung
Mehr1 AVL-Bäume. 1.1 Aufgabentyp. 1.2 Überblick. 1.3 Grundidee
AVL-Bäume. Aufgabentyp Fügen Sie in einen anfangs leeren AVL Baum die folgenden Schlüssel ein:... Wenden Sie hierbei konsequent den Einfüge /Balancierungsalgorithmus an und dokumentieren Sie die ausgeführten
Mehr{0,1} rekursive Aufteilung des Datenraums in die Quadranten NW, NE, SW und SE feste Auflösung des Datenraums in 2 p 2 p Gitterzellen
4.4 MX-Quadtrees (I) MatriX Quadtree Verwaltung 2-dimensionaler Punkte Punkte als 1-Elemente in einer quadratischen Matrix mit Wertebereich {0,1} rekursive Aufteilung des Datenraums in die Quadranten NW,
Mehra) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein:
1 Aufgabe 8.1 (P) (2, 3)-Baum a) Fügen Sie die Zahlen 39, 38, 37 und 36 in folgenden (2, 3)-Baum ein: Zeichnen Sie, was in jedem Schritt passiert. b) Löschen Sie die Zahlen 65, 70 und 100 aus folgendem
MehrPunkt-in-Polygon-Suche Übersicht
Folie 1 von 19 Punkt-in-Polygon-Suche Übersicht Praxisbeispiel/Problemstellung Zählen von Schnittpunkten Schnitt einer Halbgerade mit der Masche Aufwandsbetrachtung Streifenkarte Vorgehen und Eigenschaften
MehrDas Schubfachprinzip
Das Schubfachprinzip Norbert Koksch, Dresden Literatur: Beutelspacher/Zschiegner: Diskrete Mathematik für Einsteiger. Vieweg-Verlag. 1. Was ist das Schubfachprinzip? Die folgenden Aussagen sind offenbar
MehrVoronoi Diagrams. Christian Wellenbrock. December 1, 2009
December 1, 2009 Das Voronoi Diagramm Problemstellung Gegeben: Menge der Zentren P = {p 1,..., p n } R 2 Das Voronoi Diagramm Problemstellung Gegeben: Menge der Zentren P = {p 1,..., p n } R 2 Gesucht:
MehrEtwas Topologie. Thomas Jahn. LV Algebraische Topologie am 1. Dezember 2014
Etwas Topologie Thomas Jahn LV Algebraische Topologie am 1. Dezember 214 1 Eulerscher Polyedersatz [2] Satz 1.1 (Eulerscher Polyedersatz). Sei G ein ebener Graph. (Multikanten und Schlingen sind erlaubt,
MehrAusarbeitung. zum Thema. an der. Rheinischen Friedrich Wilhelms Universität Bonn. Leiter: Dr. Elmar Langetepe. Betreuer: Rainer Penninger
Ausarbeitung zum Thema Rotationsmonotone Polygone an der Rheinischen Friedrich Wilhelms Universität Bonn Leiter: Dr. Elmar Langetepe Betreuer: Rainer Penninger Autor: Stephan Stroucken 1 In dieser Ausarbeitung
MehrGeometrie 1. Roman Sommer. Informatik 2 Programmiersysteme Martensstraße Erlangen
Geometrie 1 Roman Sommer Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Grundlagen Punkte, Vektoren Schreibweise: Skalar: Vektor: Komponente: Punkt: (spitzer) Winkel zw. zwei Vektoren:
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 9. Sortieren in zweidimensionalen ZA Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2017 Ziele Problemstellung: Sortieren von
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
MehrÜbersicht über Informatik und Softwaresystemtechnik WS 99/00, Prof. Dr. Andreas Schwill
Konvexe Hülle Hierbei handelt es sich um ein klassisches Problem aus der Algorithmischen Geometrie, dem Teilgebiet der Informatik, in dem man für geometrische Probleme effiziente Algorithmen bestimmt.
Mehr6.1.2 Bem.: Für Vierecke ist der Begriff Innenwinkel im allgemeinen nicht sinnvoll. Skizze.
6 Flächeninhalt 6.1 Vierecke 6.1.1 Def.: Seien A, B, C, D vier verschiedene Punkte in E, keine drei auf einer Geraden, so dass AB, BC, CD, DA einander höchstens in Endpunkten treffen. Dann bilden diese
MehrMathematische Probleme, SS 2016 Freitag $Id: convex.tex,v /05/13 14:42:55 hk Exp $
$Id: convex.tex,v.28 206/05/3 4:42:55 hk Exp $ 3 Konvexgeometrie 3. Konvexe Polyeder In der letzten Sitzung haben wir begonnen uns mit konvexen Polyedern zu befassen, diese sind die Verallgemeinerung der
MehrMathematische Probleme, SS 2013 Montag $Id: convex.tex,v /10/22 15:58:28 hk Exp $
$Id: convex.tex,v 1.12 2013/10/22 15:58:28 hk Exp $ 3 Konvexgeometrie 3.1 Konvexe Polyeder Wir hatten einen konvexen Polyeder P im R n als die konvexe Hülle von endlich vielen Punkten definiert, wobei
Mehr1. Übungsblatt zu Algorithmen II im WS 2011/2012
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Moritz Kobitzsch, Dennis Schieferdecker. Übungsblatt zu Algorithmen II im WS 0/0 http://algo.iti.kit.edu/algorithmenii.php
MehrAlgorithmische Geometrie 7. Punktsuche (Teil 2)
Algorithmische Geometrie 7. Punktsuche (Teil 2) JProf. Dr. Heike Leitte Computergraphik und Visualisierung Inhaltsverzeichnis 1. Einführung 2. Konvexe Hülle 3. Schnitte von Liniensegmenten 4. Schnitte
MehrGrundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
MehrFüllen von Primitiven
Füllen von Primitiven Basisproblem der 2D-Graphik Anwendung: füllen beliebiger Flächen (Polygone, Freiformkurven) Darstellung von Buchstaben dicke Primitive (Linien, Kreise, Kurven), Teilproblem in der
MehrSeminar: Algorithmisches in der Geometrie Ausarbeitung zu Vortrag 9. Triangulierungen im Cayley-Graph und Enden von kontextfreien Gruppen
Seminar: Algorithmisches in der Geometrie Ausarbeitung zu Vortrag 9 Triangulierungen im Cayley-Graph und Enden von kontextfreien Gruppen Stefanie Schindler 25. Juni 2010 Zusammenfassung Zunächst machen
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrAmortisierte Analysen
Amortisierte Analysen 26. Mai 2016 1 Einleitung Es gibt viele Datenstrukturen, bei deren Komplexitätsanalyse das Problem auftaucht, dass die Ausführung mancher Operationen Einfluss auf die Komplexität
MehrMaximale s t-flüsse in Planaren Graphen
Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen 6. Juni 2017 Guido Brückner INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
MehrTeil 4. Aufgaben Nr. 14 bis 18 Hier nur Lösung von Nr. 14. Auf der Mathematik-CD befinden sich alle Lösungen
Teil 4 Aufgaben Nr. 4 bis 8 Hier nur Lösung von Nr. 4. Auf der Mathematik-CD befinden sich alle Lösungen Parabelfunktionen mit vielen Zusatzaufgaben (Keine Integration) Datei Nr. 405 S Januar 00 Friedrich
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrÜbungsblatt 1: Lösungswege und Lösungen
Übungsblatt : Lösungswege und Lösungen 5..6 ) Hier geht es weniger um mathematisch-strenge Beweise als darum, mit abstrakten Vektoren ohne Komponenten) zu hantieren und damit die Behauptungen plausibel
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 1. Grundlegende Definitionen 2. Berechnungsmächtigkeit von ZA 3. Endliche Muster und Konfigurationen 4. Selbstreproduktion 5. Sortieren in eindimensionalen ZA 6. Einfache
MehrÜbung Computergrafik 3
Übung Computergrafik 3 1.Übungsblatt: Geometrie Stephan Groß (Dank an Irini Schmidt und Jakob Bärz) Institut für Computervisualistik Universität Koblenz-Landau 6. Juli 2011 Aufgabe 1: Fragezeichen Gegeben:
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (23 Bruder-Bäume, B-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei Wörterbuchoperationen
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
MehrGrundlagen der Informatik
Jörn Fischer j.fischer@hs-mannheim.de Willkommen zur Vorlesung Grundlagen der Informatik ADS-Teil Page 2 Überblick Inhalt 1 Eigenschaften von Algorithmen Algorithmenbegriff O-Notation Entwurfstechniken
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrEinführung Vektoralgebra VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen. October 6, 2007
Hochschule Esslingen October 6, 2007 Overview Einführung 1 Einführung 2 Was sind Vektoren? Vektoren werden geometrisch definiert als Pfeilklassen: Strecken mit gleichem Betrag, gleicher Richtung und Orientierung.
MehrProjektionen auf abgeschlossene konvexe Mengen
Projektionen auf abgeschlossene konvexe Mengen Seminarvortrag von Veronika Pick Seminar Optimierung bei Herrn Prof. Dr. F. Jarre Heinrich-Heine-Universität Düsseldorf SS 2006 1 Vorbemerkung Das Seminarthema
MehrGeometrische Algorithmen
Geometrische Algorithmen Bin Hu Algorithmen und Datenstrukturen 2 Arbeitsbereich für Algorithmen und Datenstrukturen Institut für Computergraphik und Algorithmen Technische Universität Wien Einführung
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
Mehr