Auswertung von Operatorbäumen Huffman-Code
|
|
- Dörte Michel
- vor 7 Jahren
- Abrufe
Transkript
1 Datenstrukturen: Bäume 4 Bäume 4. Terminologie und Grundlagen: Modelle für Graphen und Bäume 4.. Spezifikation und einfahe Algorithmen 4. Anwendungen Auswertung von Operatoräumen Huffman-Code 4.4 Ojektorientierte Implementierung... Suhäume, Heaps hs / fu alp -Tree- 4 Bäume Verallgemeinerung von Folgen: Verzweigung in jedem Knoten möglih Jeder Knoten genau auf einem Weg erreihar o entspriht den Folgen: o o o hs / fu alp -Tree-
2 Modellierung mit Bäumen Viele Beispiele - auh außerhal der Informtik Organisationsdiagramm FUB FB Physik FB Math&Inf... FB Germanistik Institut Math Institut f. Informatik Institut Math AG Theorie AG DB AG VSYS... AG Telematik hs / fu alp -Tree- Modellierung mit Bäumen Dokumentstruktur Buh Inhalt Kapitel Index Üersiht Hauptteil Zusammenfassung Ashnitt Hier: Aufau eines Buhes, niht ein konkretes Buh Metadaten <-> Daten hs / fu alp -Tree- 4
3 Modellierung mit Bäumen XML Textauszeihnung (Markup) <?xml version=".0"?> <rezept> <zutaten anzahl=""> <zutat>ei</zutat> <zutat>mehl</zutat> <zutat>salz</zutat> </zutaten> <anleitung> Alles zusammenrühren und aken. </anleitung> </rezept> { anzahl="" } zutaten zutat zutat zutat rezept anleitung Ei Mehl Salz Alles zusammenrühren und aken. Textuelle Darstellung Graphishe Darstellung hs / fu alp -Tree- 5 Modellierung mit Bäumen:XML Astraktes Dokumentmodell: Baum mit Knoten des Typs: root, element, attriute, text. hs / fu alp -Tree-
4 Pakages org.apahe.tools.ant org.apahe.tools.ant.taskdefs org.apahe.tools.ant.taskdefs.ompilers org.apahe.tools.ant.taskdefs.optional Klasseniliothek org.apahe.tools.ant.taskdefs.optional.learase org.apahe.tools.ant.taskdefs.optional.depend org.apahe.tools.ant.taskdefs.optional.depend.onstantpool org.apahe.tools.ant.taskdefs.optional.dotnet org.apahe.tools.ant.taskdefs.optional.ej org.apahe.tools.ant.taskdefs.optional.ide org.apahe.tools.ant.taskdefs.optional.java org.apahe.tools.ant.taskdefs.optional.jlink org.apahe.tools.ant.taskdefs.optional.jsp org.apahe.tools.ant.taskdefs.optional.junit org org.apahe.tools.ant.taskdefs.optional.metamata org.apahe.tools.ant.taskdefs.optional.net org.apahe.tools.ant.taskdefs.optional.perfore org.apahe.tools.ant.taskdefs.optional.sm org.apahe.tools.ant.taskdefs.optional.sound org.apahe.tools.ant.taskdefs.optional.vss org.apahe.tools.ant.types apahe tools sr sun... org.apahe.tools.ant.util org.apahe.tools.ant.util.regexp org.apahe.tools.mail org.apahe.tools.tar taskdefs util Symolishe IP-Adressierung Modellierung mit Bäumen: Sprahe Syntax natürliher Sprahe Satz Nominalphrase Veralphrase Artikel Nomen Ver Der Hund ellt Adver laut... und hs / fu alp -Tree- 8 4
5 Modellierung mit Bäumen: Sprahe... Syntax von Programmiersprahen Methode Parameter Anweisung Bezeihner Typ Bezeihner float myvar Lokale Vereinarung... Anweisungen... square hs / fu alp -Tree- 9 Modellierung mit Bäumen... Syntax arithmetisher Ausdrüke: Operatoraum * + - Infix: (a+)*(-d) Postfix: a + d - * a d Operatoraum: Endknoten ("Blätter") sind Argumente (a,,), die anderen ("inneren") Knoten sind Operatoren hs / fu alp -Tree- 0 5
6 Bäume: Spezialfall von Graphen 4. Modelle für Graphen und Bäume Siehe auh Math. für Informatiker, hier nur Wiederholung und Einführung der verwendeten Terminologie. Baum als Spezialfall von ungerihteten Graphen: Graph G = (V, K), K V X V gerihteter Graph oder K {{x,y} x,y V} ungerihteter Graph V : Knotenmenge ("vertex") K : Kantenmenge Shreiweise: auh für ungerihtete Graphen (x,y) K hs / fu alp -Tree- Bäume: Spezialfall von Graphen Weg (Pfad) p im Graphen G (V,K) von Knoten a nah Knoten : p = (v,v,...,v n ) mit v =a, v n = und (v i, v i+ ) K Shreiweise: p = a -> Pfadlänge = Anzahl durhlaufener Kanten, Beispiel: Pfadlänge von p = n- p heißt einfah, wenn v i!= v j für i!= j Beispiel: einfaher Pfad der Länge Beispiel: Pfad der Länge 4, niht einfah hs / fu alp -Tree-
7 Bäume: Spezialfall von Graphen G = (V,K), ungerihtet, heißt zusammenhängend, wenn es zu je zwei Knoten x, y einen Pfad (x->y) git G = (V, K) heißt azyklish (kreisfrei), wenn für alle Knoten x gilt: es git keinen Pfad (x->x) Beispiel: azylisher Graph hs / fu alp -Tree- Bäume Def: Freier Baum azyklisher, ungerihteter, zusammenhängender Graph Beispiel: Beh.: Hinzufügen einer weiteren Kante erzeugt Zyklus hs / fu alp -Tree- 4 7
8 Bäume Def: Wurzelaum Freier Baum mit ausgezeihnetem Knoten: Wurzel Beispiel: hs / fu alp -Tree- 5 Terminologie Vorgänger, Elternknoten w jeder Knoten außer der Wurzel hat genau einen direkten Vorgänger (Elternknoten) z.b.: Elternknoten von h ist d e f Vorgänger von Knoten x sind - der direkte Vorgänger und - dessen Vorgänger g h i j oder: alle Knoten auf dem Pfad von der Wurzel w is zum direkten Vorgänger von x z.b.: und w sind Vorgänger von g Ein Pfad (w -> x) von der Wurzel nah x heißt Wurzelpfad. Eigenshaft: x,y Knoten eines Baumes => (x->y) existiert und ist eindeutig. hs / fu alp -Tree- 8
9 Terminologie Kind, Nahfolger w d e f g h i j ein Knoten hat null, einen oder mehrere direkte Nahfolger (Kinder). y ist Nahfolger von x, wenn y direkter Nahfolger von x ist oder oder wenn y Nahfolger eines direkten Nahfolgers x' von x ist. Bsp: h, i sind Nahfolger von ; Alle Knoten is auf w sind Nahfolger von w. Ahtung: Manhmal wird die Nahfolgerrelation reflexiv definiert, so dass jeder Knoten Nahfolger (Nf) von sih selst ist. Dann Nf und ehte Nf untersheiden. hs / fu alp -Tree- 7 Terminologie Geshwister, Blätter, innere Knoten w d e f g h i j Sind x und y direkte Nahfolger von z, heißen sie Geshwisterknoten. Bsp.: h, i sind Geshwisterknoten. Ein Knoten ohne direkten Nahfolger heißt Blatt, alle anderen sind innere Knoten. Bsp.: g, h, i, j, f sind Blätter, w,, d, e sind innere Knoten. hs / fu alp -Tree- 8 9
10 Terminologie Grad, Höhe, Tiefe, Größe w d e f g h i j Grad grad (x) eines Knotens x = Anzahl der Kinder von x. Bsp.: grad () =, grad (w) = 5, grad (f) = 0. Grad eines Baums = maximaler Grad seiner Knoten. hs / fu alp -Tree- 9 w Eene 0: Knoten der Tiefe 0 d e f Eene Knoten der Tiefe g h i j Eene Knoten der Tiefe Tiefe d (x) von Knotens x = Anzahl der Kanten auf dem Wurzelpfad zu x. Bsp: d() =, d(w) = 0, d(h) =. Höhe h(t) eines Baums t = maximale Tiefe seiner Knoten. Eene (level) i = Menge der Knoten der Tiefe i Größe s(x) eines Knotens x = Anzahl Nahfolger + (für x selst) Größe S(t) eines Baums t = Anzahl der Knoten von t 0
11 Terminologie Def: Geordneter Baum T T 0 Ein Wurzelaum heißt geordnet, wenn für jeden Knoten die Menge der Kinder geordnet ist. Bsp: Die Bäume T und T sind als (ungeordnete) Wurzeläume gleih, als geordnete jedoh niht. hs / fu alp -Tree- Terminologie Def: Positionsaum T T 4 5 Ein Wurzelaum heißt n-ärer Positionsaum (n>), wenn jeder Knoten 0 <= k <= n Kinder hat, von denen jedes eine Position i, 0 <= i < n hat. Wihtigster Spezialfall n = : Binäraum Sprehweise: linkes Kind, rehtes Kind Beahte: T und T sind als geordnete Bäume gleih, aer niht als Binäräume. 4 5 hs / fu alp -Tree-
12 Terminologie Teilaum Ist x ein Kind des Knotens y, dann heißt der von den Nahfolgern von x geildete Baum mit Wurzel x Teilaum von y. Ein Knoten eines Binäraums esitzt einen linken und rehten Teilaum. 4 5 T Die Wurzel des Binäraums T hat den linken Teilaum mit Wurzel und den Knoten,4,5 und den rehten mit Wurzel und Knoten,. hs / fu alp -Tree- Binäraum als Positionsaum a T = {, a { (, { (,d) (, e { (, g) } ) } ), (, { (,f) } ) } T Positionsäume praktish immer nah Position geordnet. Damit geordnete Bäume. d g e Rekursive Definition: Def: Ein inärer Baum T ist - leer - oder er esitzt eine Wurzel r, einen linken Teilaum und einen rehten Teilaum. hs / fu alp -Tree- 4
13 Rekursive Definition Haskell type: > data BT t = Empty BT (BT t) (BT t) > deriving (Show) Analog Mehrwegäume (k-äre Bäume mit k > ) : Ein k-ärer Baum (oder Mehrwegaum vom Grad k) -ist leer - esteht aus einer Wurzel und k k-ärenteiläumen hs / fu alp -Tree- 5 Terminologie Def: Volle inäre Bäume a Manhmal tehnish vorteilhaft: leeren Baum explizit darstellen. d g e T f Def: Ein voller inärer Baum T ist ein inärer Baum, dessen Knoten - entweder externe Knoten sind - oder den Grad haen Analog: volle k-äre Bäume Beahte: die externe Knoten sind niht die Blätter nah oiger Definition! Das sind die Knoten, die genau zwei externe Knoten als Kinder haen. hs / fu alp -Tree-
14 Eigenshaften von Bäumen (E) Für die Höhe h eines Mehrwegaums (MW-Baum) vom Grad k mit n Knoten gilt: log k (n+) - <= h < = n Extremfälle für k=: entarteter Baum, Folge d a T e fast vollständiger Baum hs / fu alp -Tree- 7 Vollständige Bäume Def: Ein vollständiger MW-Baum B vom Grad k und Höhe h ist ein Baum, dessen Blätter alle die gleihe Tiefe esitzen und alle inneren Knoten k Nahfolger haen. B heißt fast vollständig, wenn nur die letzte Eene niht voll esetzt ist. a T a vollständig d d e fast vollständig T e f hs / fu alp -Tree- 8 4
15 Eigenshaften (E) Ein MWaum vom Grad k der Höhe h enthält n <= k h+ - Knoten (E) Ein vollständiger MW-Baum vom Grad k mit n Blattknoten hat n- innere Knoten.... oder: Höhenwahstum eines vollständigen inären Baums um verdoppelt die Anzahl mögliher Knoten. hs / fu alp -Tree- 9 Markierte inäre Bäume Knoten oder Kanten eines Binäraums enthalten meist Daten, z.b. Operatoraum: * + - a d Markierung: Aildung von Werten auf Knoten oder Kanten hs / fu alp -Tree- 0 5
16 Modelle markierter Bäume a) jedem Knoten wird Wert aus Typ T zugeordnet: B T = {(,m) ist Binäraum mit Knotenmenge V, m:: V -> T} ) inneren Knoten wird Wert aus Typ T zugeordnet,blättern aus T' : B T,T' = {(,m,t) ist Binäraum m:: Innere Knoten -> T, t:: Blätter -> T'} ) Kanten werden Werte aus T zugeordnet, Blättern Werte aus T' : MT,T' = {(,k,t) Binäraum, k::kanten -> T, t:: Blätter in T'} o o * hs / fu alp -Tree- + - T a d o 0
Verkettete Datenstrukturen: Bäume
Verkettete Datenstrukturen: Bäume 1 Graphen Gerichteter Graph: Menge von Knoten (= Elementen) + Menge von Kanten. Kante: Verbindung zwischen zwei Knoten k 1 k 2 = Paar von Knoten (k 1, k 2 ). Menge aller
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
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
MehrWurzelbäume. Definition 1
Wurzeläume Definition 1 Ein Wurzelum (oer uh gerihteter Bum) ist ein gerihteter zyklisher Grph, in em genu ein Knoten w Eingngsgr 0 esitzt un lle neren Knoten Eingngsgr 1 esitzen. Knoten w heißt ie Wurzel
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v. Sommersemester
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Bäume & Graphen Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz http://www.inf.uni-konstanz.de/algo/lehre/ss08/info2 Sommersemester 2008 Sven Kosub
MehrProgrammieren in Haskell. Stefan Janssen. Strukturelle Rekursion. Universität Bielefeld AG Praktische Informatik. 10.
Universität Bielefeld AG Praktische Informatik 10. Dezember 2014 Wiederholung: Schema: f :: [σ] -> τ f [] = e 1 f (a : as) = e 2 where s = f as wobei e 1 und e 2 Ausdrücke vom Typ τ sind und e 2 die Variablen
Mehr1 Der Baum. Informatik I: Einführung in die Programmierung 11. Bäume. Bäume in der Informatik. Bäume in der Informatik - Definition.
1 Informatik I: Einführung in die Programmierung 11. Bäume e e Albert-Ludwigs-Universität Freiburg Bernhard Nebel 13. November 2015 13. November 2015 B. Nebel Info I 3 / 33 Bäume in der Informatik Bäume
MehrGraphen und Bäume. A.1 Graphen
Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt
MehrGrundbegriffe der Informatik Tutorium 8
Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
Mehr1 Der Baum. Informatik I: Einführung in die Programmierung 11. Bäume. Bäume in der Informatik. Bäume in der Informatik - Definition.
1 Informatik I: Einführung in die Programmierung 11. Bäume e e Albert-Ludwigs-Universität Freiburg Bernhard Nebel 17. November 2017 17. November 2017 B. Nebel Info I 3 / 33 Bäume in der Informatik Bäume
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
MehrBäume. 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1
Bäume 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1 Inhalt Grundbegriffe: Baum, Binärbaum Binäre Suchbäume (Definition) Typische Aufgaben Suchaufwand Löschen allgemein, Methode Schlüsseltransfer
MehrWS 2011/2012. Robert Giegerich Dezember 2013
WS 2011/2012 Robert 1 AG Praktische Informatik 11. Dezember 2013 1 robert@techfak.uni-bielefeld.de Vorschau Themen heute: Funktionen höherer Ordnung (Fortsetzung) künstliche Striktheit mehr zu fold für
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele. Stammbaum.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik - SS 0 Bäume Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
MehrTechnische Universität München. Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter
Vorlesungsgrobstruktur: wo stehen wir, wie geht s weiter Kapitel 7 Fortgeschrittene Datenstrukturen Motivation: Lineare Liste: Suchen eines Elements ist schnell O(log n) Einfügen eines Elements ist langsam
MehrClausthal C G C C G C. Informatik II Bäume. G. Zachmann Clausthal University, Germany Beispiele.
lausthal Informatik II Bäume. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Beispiele Stammbaum. Zachmann Informatik 2 - SS 06 Bäume 2 Stammbaum Parse tree, Rekursionsbaum Unix file hierarchy
Mehr4.1 Bäume, Datenstrukturen und Algorithmen. Zunächst führen wir Graphen ein. Die einfachste Vorstellung ist, dass ein Graph gegeben ist als
Kapitel 4 Bäume 4.1 Bäume, Datenstrukturen und Algorithmen Zunächst führen wir Graphen ein. Die einfachste Vorstellung ist, dass ein Graph gegeben ist als eine Menge von Knoten und eine Menge von zugehörigen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 15: Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Listen & Bäume Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 SvenKosub@uni-konstanzde Sprechstunde: Freitag, 14:00-15:00 Uhr, onv Sommersemester
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
MehrWiederholung. Bäume sind zyklenfrei. Rekursive Definition: Baum = Wurzelknoten + disjunkte Menge von Kindbäumen.
Wiederholung Baum: Gerichteter Graph, der die folgenden drei Bedingungen erfüllt: Es gibt einen Knoten, der nicht Endknoten einer Kante ist. (Dieser Knoten heißt Wurzel des Baums.) Jeder andere Knoten
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrDefinition 15 Rot-Schwarz-Bäume sind externe Binärbäume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt:
2.2 Rot-Schwarz-Bäume Definition 15 Rot-Schwarz-Bäume sind externe Binäräume (jeder Knoten hat 0 oder 2 Kinder) mit roten und schwarzen Kanten, so dass gilt: 1 alle Blätter hängen an schwarzen Kanten (durchgezogene
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrWünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n)
.6 Ausgeglichene Mehrweg-Suchbäume Wünschenswerte Eigenschaft von Suchbäumen mit n Knoten: Suchen, Einfügen, Löschen auch im schlechtesten Fall O(log n) Methoden: lokale Transformationen (AVL-Baum) Stochastische
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)
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
Mehr8.4 Suffixbäume. Anwendungen: Information Retrieval, Bioinformatik (Suche in Sequenzen) Veranschaulichung: DNA-Sequenzen
8.4 Suffixbäume Ziel: Datenstruktur, die effiziente Operationen auf (langen) Zeichenketten unterstützt: - Suche Teilzeichenkette (Substring) - Präfix - längste sich wiederholende Zeichenkette -... Anwendungen:
MehrProseminar Kodierverfahren bei Dr. Ulrich Tamm Sommersemester 2003 Thema: Codierung von Bäumen (Prüfer Codes...)
Proseminar Kodierverfahren bei Dr. Ulrich Tamm Sommersemester 2003 Thema: Codierung von Bäumen (Prüfer Codes...) Inhalt: Einleitung, Begriffe Baumtypen und deren Kodierung Binäre Bäume Mehrwegbäume Prüfer
MehrKapitel 12: Induktive
Kapitel 12: Induktive Datenstrukturen Felix Freiling Lehrstuhl für Praktische Informatik 1 Universität Mannheim Vorlesung Praktische Informatik I im Herbstsemester 2009 Folien nach einer Vorlage von H.-Peter
MehrProgrammieren in Haskell Programmiermethodik
Programmieren in Haskell Programmiermethodik Peter Steffen Universität Bielefeld Technische Fakultät 12.01.2011 1 Programmieren in Haskell Bisherige Themen Was soll wiederholt werden? Bedienung von hugs
MehrKapitel 2 Partielle Ordnungen
Kapitel 2 Partielle Ordnungen 2 Partielle Ordnungen 2.1 Partielle und strikte Halordnung.......... 2.2 Logishe und vektorielle Zeitstempel........ Formale Grundlagen der Informatik II Kap 2: Partie!e Ordnungen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 6. Vorlesung Martin Middendorf / Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Merge-Sort Anwendbar für
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
MehrGraphen vielseitig verwendbar zur Repräsentation von Zusammenhängen, etwa:
7. Grphentheorie Grphen vielseitig verwenr zur Repräsenttion von Zusmmenhängen, etw: Stäte Personen Aktionen... Verinungswege Reltionen zwishen ihnen zeitlihe Ahängigkeiten Def. 7.1: Ein gerihteter Grph
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
MehrWiederholung. Datenstrukturen und. Bäume. Wiederholung. Suchen in linearen Feldern VO
Wiederholung Datenstrukturen und Algorithmen VO 708.031 Suchen in linearen Feldern Ohne Vorsortierung: Sequentielle Suche Speicherung nach Zugriffswahrscheinlichkeit Selbstanordnende Felder Mit Vorsortierung:
MehrGrundlagen der Programmierung 2. Bäume
Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)
MehrProf. Dr. Schmidt-Thieme / Michael Rottmann Arbeitsblatt Algebra SS 2005
Prof. Dr. Shmidt-Thieme / Mihael Rottmann Areitslatt Algera SS 2005 Gruppen Lösungen.) i) Die ist neutrales Element der Multiplikation. (M, é ) ist damit keine Gruppe, denn es git keine inversen Elemente
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:
MehrEinführung in die Informatik 2
Einführung in die Informatik Strukturelle Induktion Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 0 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 1:30-14:00 Uhr, o.n.v.
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrBinäre Bäume Darstellung und Traversierung
Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail fb641378@inf.tu-dresden.de Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.
MehrFerienkurs Propädeutikum Diskrete Mathematik
Ferienkurs Propädeutikum Diskrete Mathematik Teil 3: Grundlagen Graphentheorie Tina Janne Schmidt Technische Universität München April 2012 Tina Janne Schmidt (TU München) Ferienkurs Propädeutikum Diskrete
MehrBäume. Listen und Bäume, Graphen und Bäume, elementare Eigenschaften von Binärbäumen, Implementierung, Generische Baumdurchläufe
Bäume Listen und Bäume, Graphen und Bäume, elementare Eigenschaften von Binärbäumen, Implementierung, Generische Baumdurchläufe S. Staab, Informatik für IM II; Folien nach D. Saupe, sowie W. Küchlin, A.
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
MehrAlgorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 8. Vorlesung Martin Middendorf und Peter F. Stadler Universität Leipzig Institut für Informatik middendorf@informatik.uni-leipzig.de studla@bioinf.uni-leipzig.de Gefädelte
MehrRelationen und DAGs, starker Zusammenhang
Relationen und DAGs, starker Zusammenhang Anmerkung: Sei D = (V, E). Dann ist A V V eine Relation auf V. Sei andererseits R S S eine Relation auf S. Dann definiert D = (S, R) einen DAG. D.h. DAGs sind
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
MehrSoftware Entwicklung 1
Software Entwicklung 1 Annette Bieniusa AG Softech FB Informatik TU Kaiserslautern Lernziele Die Definition wichtiger Begriffe im Zusammenhand mit Bäumen zu kennen. Markierte Bäumen, insbesondere Suchbäume,
MehrInformatik II Prüfungsvorbereitungskurs
Informatik II Prüfungsvorbereitungskurs Tag 4, 23.6.2016 Giuseppe Accaputo g@accaputo.ch 1 Programm für heute Repetition Datenstrukturen Unter anderem Fragen von gestern Point-in-Polygon Algorithmus Shortest
MehrEinführung in die Graphentheorie. Monika König
Einführung in die Graphentheorie Monika König 8. 11. 2011 1 Vorwort Diese Seminararbeit basiert auf den Unterkapiteln 1.1-1.3 des Buches Algebraic Graph Theory von Chris Godsil und Gordon Royle (siehe
MehrWarum Bäume? Teil 1: Suchen. Bäume: Begriffe und Eigenschaften (2) Bäume: Begriffe und Eigenschaften (1)
Wrum Bäume? Teil : Suhen Prolemstellung Elementre Suhverfhren Hshverfhren Binäre Suhäume (Wiederholung us Prog ) Bäume: Begriffe, Eigenshften und Trversierung Binäre Suhäume Gefädelte Suhäume Ausgeglihene
MehrLogische Datenstrukturen
Lineare Listen Stapel, Warteschlangen Binärbäume Seite 1 Lineare Liste Begriffe first Funktion: sequentielle Verkettung von Datensätzen Ordnungsprinzip: Schlüssel Begriffe: first - Anker, Wurzel; Adresse
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
Mehr2 Repräsentation, Struktur und Interpretation von einfachen Rechenvorschriften
Übersicht 2 Repräsentation, Struktur und Interpretation von einfachen Rechenvorschriften 2.1 Arithmetische Ausdrücke und ihre Struktur 2.2 Interpretation und Auswertung einfacher arithmetischer Ausdrücke
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
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/42 Graphische Darstellung von Zusammenhängen schon an vielen Stellen
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
MehrANALYSIS I FÜR TPH WS 2017/18 2. Übung Übersicht
ANALYSIS I FÜR TPH WS 207/8 2. Übung Übersiht Aufgaben zu Kapitel und 2 Aufgabe : Nummerierungsfunktionen Aufgabe 2: Gibt s das? Aufgabe 3: ( ) Selbstbezüglih definierte Funktionen Aufgabe 4: ( ) Eine
Mehr10. Grassmannsche Vektoren und die Drehungen im Raum.
10. Grassmannshe Vektoren und die Drehungen im Raum. Wir haen in der vorigen Vorlesung gesehen wie man Gegenstände im Raum vermöge der Zentralprojektion als Figuren in der Eene perspektivish genau darstellen
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
MehrB / B* - Bäume. Guido Hildebrandt Seminar Datenbanksysteme
B / B* - Bäume Guido Hildebrandt Seminar Datenbanksysteme 25.11.2010 Gliederung Einleitung Binärbaum B - Baum B* - Baum Varianten Zusammenfassung Quellen Gliederung Einleitung Binärbaum B - Baum B* - Baum
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 /
Mehr5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS)
5 BINÄRE ENTSCHEIDUNGS- DIAGRAMME (BDDS) Sommersemester 2009 Dr. Carsten Sinz, Universität Karlsruhe Datenstruktur BDD 2 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer:
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Algorithmen
MehrBäume. Listen und Bäume, Graphen und Bäume, elementare Eigenschaften von Binärbäumen, Implementierung, Generische Baumdurchläufe
Bäume Listen und Bäume, Graphen und Bäume, elementare Eigenschaften von Binärbäumen, Implementierung, Generische Baumdurchläufe Bäume (trees) können als eine Verallgemeinerung von Listen angesehen werden
MehrKapitel 6: Spiele mit simultanen und sequentiellen Spielzügen. Einleitung. Übersicht Teil 2. Übersicht
Üersiht Teil apitel 6: Spiele mit simultanen und seuentiellen Spielzügen apitel 6 apitel 5 Üersiht Teil Üersiht Einleitung Darstellung von simultanen Spielzügen in extensiver Form Normalform vs extensive
MehrKürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring
Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n
MehrEinführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung)
Wintersemester 2005/06 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrLernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen
Folie 1 von 20 Lernmodul 2 Graphen Folie 2 von 20 Graphen Übersicht Motivation Ungerichteter Graph Gerichteter Graph Inzidenz, Adjazenz, Grad Pfad, Zyklus Zusammenhang, Trennende Kante, Trennender Knoten
MehrAlgorithmische Bioinformatik I
Ludwig-Maximilians-Universität Münhen Institut für Informatik Prof. Dr. Volker Heun Sommersemester 2016 Wiederholungsklausur 19. Oktoer 2016 Algorithmishe Bioinformatik I Vorname Name Matrikelnummer Reihe
MehrAlgorithmen für schwierige Probleme
Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 30. November 2011 Wiederholung Baumzerlegung G = (V, E) Eine Baumzerlegung von G ist ein Paar {X i i V T }, T, wobei T Baum mit Knotenmenge
Mehr8. A & D - Heapsort. Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können.
8. A & D - Heapsort Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können. Genauer werden wir immer wieder benötigte Operationen durch Datenstrukturen unterstützen.
MehrMatchings (Paarungen) in Graphen. PS Algorithmen auf Graphen SS `06 Steven Birr
Matchings (Paarungen) in Graphen PS Algorithmen auf Graphen SS `06 Steven Birr 1 Gliederung 1) Definitionen und Beispiele 2) Algorithmus des maximalen Matchings 3) Das Personal-Zuteilungsproblem Ungarischer
MehrKurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom Seite 1. Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15.
Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom 15.08.98 Seite 1 Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15. August 1998 Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur
MehrDatenstrukturen. einfach verkettete Liste
einfach verkettete Liste speichert Daten in einer linearen Liste, in der jedes Element auf das nächste Element zeigt Jeder Knoten der Liste enthält beliebige Daten und einen Zeiger auf den nächsten Knoten
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
MehrWiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen
Was bisher geschah abstrakter Datentyp : Signatur Σ und Axiome Φ z.b. ADT Menge zur Verwaltung (Finden, Einfügen, Entfernen) mehrerer Elemente desselben Typs Spezifikation einer Schnittstelle Konkreter
MehrAlgorithmen und Datenstrukturen 13
19. Juli 2012 1 Besprechung Blatt 12 Fragen 2 Bäume AVL-Bäume 3 Graphen Allgemein Matrixdarstellung 4 Graphalgorithmen Dijkstra Prim Kruskal Fragen Fragen zu Blatt 12? AVL-Bäume AVL-Bäume ein AVL-Baum
Mehr1.1 Abstrakte Datentypen 1.2 Lineare Strukturen 1.3 Bäume 1.4 Prioritätsschlangen 1.5 Graphen
1 Datenstrukturen 1.1 Abstrakte Datentypen 1.2 Lineare Strukturen 1.3 Bäume 1.4 Prioritätsschlangen 1.5 Graphen 1 1.3 Bäume Hierarchische Datenstruktur Zusammenfassung von Gruppen (z.b. Bund / Länder /
MehrAlgorithmen und Datenstrukturen I Bruder-Bäume
Algorithmen und Datenstrukturen I Bruder-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 11.12.2017 10:50 Algorithmen und Datenstrukturen I, Bruder-Bäume 1/24 Definition ein binärer Baum heißt ein Bruder-Baum,
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
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
MehrIdee: Wenn wir beim Kopfknoten zwei Referenzen verfolgen können, sind die Teillisten kürzer. kopf Eine Datenstruktur mit Schlüsselwerten 1 bis 10
Binäre Bäume Bäume gehören zu den wichtigsten Datenstrukturen in der Informatik. Sie repräsentieren z.b. die Struktur eines arithmetischen Terms oder die Struktur eines Buchs. Bäume beschreiben Organisationshierarchien
MehrEINI LogWing/WiMa. Einführung in die Informatik für Naturwissenschaftler und Ingenieure. Vorlesung 2 SWS WS 17/18
EINI LogWing/WiMa Einführung in die Informatik für Naturwissenschaftler und Ingenieure Vorlesung 2 SWS WS 17/18 Dr. Lars Hildebrand Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@tu-dortmund.de
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
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
Mehr-Grundsätzlich verstehen wir unter einer Menge eine Zusammenfassung von Elementen,
2. Mengenlehre In diesem bshnitt geben wir einen kompakten Überblik über wesentlihe Grundlagen der Mengenlehre, die im weiteren Verlauf noh relevant sein werden. Neben der allgemeinen Definition und Darstellung
MehrAlgorithmen und Datenstrukturen I AVL-Bäume
Algorithmen und Datenstrukturen I AVL-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 01.12.2017 14:42 Algorithmen und Datenstrukturen I, AVL-Bäume 1/38 Balancierte Bäume in einem zufällig erzeugten Binärbaum
MehrTutorium 23 Grundbegriffe der Informatik (7. Sitzung)
Tutorium 3 Grundbegriffe der Informatik (7. Sitzung) Tutor: Felix Stahlberg SOFTWARE DESIGN AND QUALITY GROUP Source: pixelio.de KIT The cooperation of Forschungszentrum Karlsruhe GmbH and Universität
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
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
MehrTutorium 23 Grundbegriffe der Informatik (6. Sitzung)
Tutorium 23 Grundbegriffe der Informatik (6. Sitzung) Tutor: Felix Stahlberg SOFTWARE DESIGN AND QUALITY GROUP Source: pixelio.de KIT The cooperation of Forschungszentrum Karlsruhe GmbH and Universität
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
MehrProgrammierkurs Python II
Programmierkurs Python II Michaela Regneri & Stefan Thater FR 4.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 2011 Prüfungsleistungen Klausur am Semesterende -
MehrHASKELL KAPITEL 8. Bäume
HASKELL KAPITEL 8 Bäume Baum rekursiv definierte Datenstruktur nicht linear vielerlei Varianten: Struktur der Verzweigung, Ort der gespeicherten Information (Knoten, Kanten, Blätter ) 2 Binärbaum Jeder
Mehr