Zeichnen von Graphen

Größe: px
Ab Seite anzeigen:

Download "Zeichnen von Graphen"

Transkript

1 von Graphen Fabio Valdés Programmierpraktikum WS 2016/17 Lehrgebiet Datenbanksysteme für neue Anwendungen FernUniversität in Hagen Programmierpraktikum Zeichnen von Graphen / 28

2 Gliederung 1 Einleitung Problemstellung Ziele 2 Einlesen des Graphen Dateiformat Korrektheitsprüfung 3 Zeichnen Graphentheoretische Definitionen Initialisierung Planarisierung Orthogonalisierung Kompaktifizierung 4 Anzeige und Manipulation 5 Export 6 Optionale Erweiterungen Programmierpraktikum Zeichnen von Graphen / 28

3 Einleitung Problemstellung Problemstellung Mathematik: Graph durch Knotenmenge, Kantenmenge und ggf. Kantengewichte eindeutig definiert graphische Darstellung: nicht eindeutig Programmierpraktikum Zeichnen von Graphen / 28

4 Einleitung Ziele Ziele in dieser Aufgabe Einlesen eines Graphen aus einer Textdatei Prüfung von Syntax und Semantik Erzeugung einer platzsparenden Gitterdarstellung in vier Schritten Initialisierung Planarisierung Orthogonalisierung Kompaktifizierung weitere Anpassung durch Benutzer Export als SVG-Datei Programmierpraktikum Zeichnen von Graphen / 28

5 Einlesen des Graphen Dateiformat Gerichtete Graphen V = {1, 2, 3, 4, 5} E = {1-2, 2-3, 3-4, 4-1, 4--5, 3--5} Programmierpraktikum Zeichnen von Graphen / 28

6 Einlesen des Graphen Dateiformat Ungerichtete Graphen V = {1, 2, 3, 4, 5} E = {1-2, 2-3, 3-4, 4-1, 4--5, 3--5}u Programmierpraktikum Zeichnen von Graphen / 28

7 Einlesen des Graphen Dateiformat Kantenbeschriftungen & Knotenkategorien V = {Z:Zentrale, F:Filiale, K1:Kunde, K2:Kunde} E = {Z-F:25, Z-K1:30, Z-K2:35, F-K1:10, F-K2:17, K1-K2:8.5}u Z 25 F K1 8.5 K2 Programmierpraktikum Zeichnen von Graphen / 28

8 Einlesen des Graphen Dateiformat Beispiel: ER-Diagramm Programmierpraktikum Zeichnen von Graphen / 28

9 Einlesen des Graphen Korrektheitsprüfung Eingabefehler V = {Ü, $, ξ} V = {A, B, C, A} V = {X, Y, Z} E = {X-Y, Y-A} V = {1, 2, 2} E = {1-2, 1-2} Programmierpraktikum Zeichnen von Graphen / 28

10 Graphentheoretische Definitionen Teilgraph Ein Graph G = (V,E ) heißt Teilgraph von G = (V,E), falls V V und E E gelten G = ({1,2,3,4,5}, G = ({3,4,5}, {(1,2),(1,4),(2,3), {(3,4),(3,5),(4,5)}) (3,4),(3,5),(4,5)}) Programmierpraktikum Zeichnen von Graphen / 28

11 Graphentheoretische Definitionen Grad Der Grad grad(v) eines Knoten v V entspricht der Summe der Anzahlen seiner ein- und ausgehenden Kanten, d.h., grad(v) = {(u,v) E} + {(v,w) E}. 3 grad(1) = 2 grad(2) = 2 grad(3) = 4 grad(4) = 4 grad(5) = Programmierpraktikum Zeichnen von Graphen / 28

12 Graphentheoretische Definitionen Planarität Ein Graph G heißt planar, falls er eine Einbettung in die Ebene besitzt, d.h., dass seine Kanten durch stetige, schnittpunktfreie Kurven dargestellt werden können, die sich nur in ihren gemeinsamen Endpunkten schneiden planarer Graph G 3 4 Einbettung von G Programmierpraktikum Zeichnen von Graphen / 28

13 Graphentheoretische Definitionen Planarität Ein Graph G heißt planar, falls er eine Einbettung in die Ebene besitzt, d.h., dass seine Kanten durch stetige, schnittpunktfreie Kurven dargestellt werden können, die sich nur in ihren gemeinsamen Endpunkten schneiden nicht-planarer Graph Programmierpraktikum Zeichnen von Graphen / 28

14 Graphentheoretische Definitionen Weg & Kreis Ein Weg von v 1 nach v k in G = (V,E) ist eine Folge (v 1,v 2 ),...,(v k 1,v k ) von Kanten, für v 1,...,v k V,(v 1,v 2 ),...,(v k 1,v k ) E. Ein Kreis in G ist ein Weg mit v 1 = v k. Gibt es für alle u,v V höchstens einen Weg von u nach v, heißt G kreisfrei Weg von 1 nach 5: (1,2),(2,3),(3,5) Kreis von 1 nach 1: (1,2),(2,3),(3,4),(4, 1) Programmierpraktikum Zeichnen von Graphen / 28

15 Graphentheoretische Definitionen Weg & Kreis Ein Weg von v 1 nach v k in G = (V,E) ist eine Folge (v 1,v 2 ),...,(v k 1,v k ) von Kanten, für v 1,...,v k V,(v 1,v 2 ),...,(v k 1,v k ) E. Ein Kreis in G ist ein Weg mit v 1 = v k. Gibt es für alle u,v V höchstens einen Weg von u nach v, heißt G kreisfrei kreisfreier Graph Programmierpraktikum Zeichnen von Graphen / 28

16 Graphentheoretische Definitionen Zusammenhang & Komponente Ein ungerichteter Graph G = (V,E) heißt zusammenhängend, falls es zu jedem Paar v,w V einen Weg von v nach w gibt. Ein maximaler zusammenhängender Teilgraph K von G heißt Komponente zusammenhängender Graph 4 5 zwei Komponenten eines nichtzusammenhängenden Graphen Programmierpraktikum Zeichnen von Graphen / 28

17 Graphentheoretische Definitionen k-zusammenhang Ein ungerichteter Graph G = (V,E) heißt k-zusammenhängend, falls der Graph (V \ V,E \{(v,w) v V w V }) für alle Mengen V V mit weniger als k Knoten zusammenhängend ist zusammenhängend zusammenhängend, aber i.a. nicht 2-zusammenhängend 2 Programmierpraktikum Zeichnen von Graphen / 28

18 Graphentheoretische Definitionen k-zusammenhang Ein ungerichteter Graph G = (V,E) heißt k-zusammenhängend, falls der Graph (V \ V,E \{(v,w) v V w V }) für alle Mengen V V mit weniger als k Knoten zusammenhängend ist zusammenhängend 1 zusammenhängend, aber i.a. nicht 2-zusammenhängend Programmierpraktikum Zeichnen von Graphen / 28

19 Graphentheoretische Definitionen k-zusammenhang Ein ungerichteter Graph G = (V,E) heißt k-zusammenhängend, falls der Graph (V \ V,E \{(v,w) v V w V }) für alle Mengen V V mit weniger als k Knoten zusammenhängend ist zusammenhängend zusammenhängend, aber i.a. nicht 2-zusammenhängend Programmierpraktikum Zeichnen von Graphen / 28

20 Graphentheoretische Definitionen k-zusammenhang Ein ungerichteter Graph G = (V,E) heißt k-zusammenhängend, falls der Graph (V \ V,E \{(v,w) v V w V }) für alle Mengen V V mit weniger als k Knoten zusammenhängend ist zusammenhängend zusammenhängend, aber i.a. nicht 2-zusammenhängend Programmierpraktikum Zeichnen von Graphen / 28

21 Graphentheoretische Definitionen k-zusammenhang Ein ungerichteter Graph G = (V,E) heißt k-zusammenhängend, falls der Graph (V \ V,E \{(v,w) v V w V }) für alle Mengen V V mit weniger als k Knoten zusammenhängend ist zusammenhängend zusammenhängend, aber i.a. nicht 2-zusammenhängend Programmierpraktikum Zeichnen von Graphen / 28

22 Graphentheoretische Definitionen Dualer Graph Zu einem planaren Graphen G ist der duale Graph G wie folgt definiert: Fläche in G Knoten in G Kante in G Kante in G Programmierpraktikum Zeichnen von Graphen / 28

23 Graphentheoretische Definitionen Dualer Graph Zu einem planaren Graphen G ist der duale Graph G wie folgt definiert: Fläche in G Knoten in G Kante in G Kante in G Programmierpraktikum Zeichnen von Graphen / 28

24 Initialisierung Initialisierung Theorie: initiale Positionen irrelevant quadratische Grundstruktur von links oben nach rechts unten zuerst angegebene Knoten weiter links bzw. weiter oben Programmierpraktikum Zeichnen von Graphen / 28

25 Zeichnen Planarisierung Planarisierung (a) ursprünglicher Graph G = (V, E ) Programmierpraktikum Zeichnen von Graphen / 28

26 Zeichnen Planarisierung Planarisierung (b) Aufteilung der Kanten in planare und nichtplanare (gestrichelt) Programmierpraktikum Zeichnen von Graphen / 28

27 Zeichnen Planarisierung Planarisierung (c) nur noch planare Kanten; dualer Graph (grau) Programmierpraktikum Zeichnen von Graphen / 28

28 Zeichnen Planarisierung Planarisierung (d) Hinzufügen der restlichen Kanten; kürzester Weg im dualen Graphen für nichtplanare Kante entspricht minimaler Anzahl von Kantenkreuzungen Programmierpraktikum Zeichnen von Graphen / 28

29 Zeichnen Planarisierung Planarisierung (e) neue Kante, neuer Knoten für Kantenkreuzung; Aktualisierung des dualen Graphen Programmierpraktikum Zeichnen von Graphen / 28

30 Zeichnen Planarisierung Planarisierung (f) vollständig planarisierter Graph Programmierpraktikum Zeichnen von Graphen / 28

31 Orthogonalisierung Übersicht für jede Komponente des Graphen: Sichtbarkeitsdarstellung orthogonale Darstellung durch lokale Expansion Begradigung der Kanten Programmierpraktikum Zeichnen von Graphen / 28

32 Orthogonalisierung Sichtbarkeitsdarstellung Knoten horizontale Segmente Kanten vertikale Segmente keine Schnitte von Segmenten Programmierpraktikum Zeichnen von Graphen / 28

33 Orthogonalisierung Sichtbarkeitsdarstellung Knoten horizontale Segmente Kanten vertikale Segmente keine Schnitte von Segmenten Programmierpraktikum Zeichnen von Graphen / 28

34 Orthogonalisierung Lokale Expansion Programmierpraktikum Zeichnen von Graphen / 28

35 Orthogonalisierung Lokale Expansion Programmierpraktikum Zeichnen von Graphen / 28

36 Orthogonalisierung Begradigung der Kanten Programmierpraktikum Zeichnen von Graphen / 28

37 Kompaktifizierung Kompaktifizierung Programmierpraktikum Zeichnen von Graphen / 28

38 Anzeige und Manipulation Anzeige und Manipulation Graph im Hauptfenster Zoomen (Vergrößern und Verkleinern) Scrollen (Balken einblenden, wenn nötig) Markieren und Verschieben von Knoten und Kanten mögliche Darstellungen für Knotenkategorien: Kreis Rechteck Raute Ellipse jeweils einfach oder doppelt, oder ohne Umrandung Programmierpraktikum Zeichnen von Graphen / 28

39 Export Export Abspeichern des Graphen als SVG-Datei (Scalable Vector Graphics) Textdatei Linien Kreise Text Programmierpraktikum Zeichnen von Graphen / 28

40 Optionale Erweiterungen Optionale Erweiterungen Algorithmen komplexere Algorithmen zur Planarisierung und Kompaktifizierung weitere Algorithmen zur Zeichnung von Graphen Auswahl der Verfahrens durch Benutzer Anzeige Ergebnisse der einzelnen Transformationsschritte Auswahl von Farben, Schrifttypen, -größen, -farben für Knotenkategorien und Kanten(beschriftungen) Druckfunktion Ausgabe auf Papier PDF-Ausgabe Export EPS-Format Programmierpraktikum Zeichnen von Graphen / 28

41 Optionale Erweiterungen Danke für Ihre Aufmerksamkeit. Programmierpraktikum Zeichnen von Graphen / 28

42 Optionale Erweiterungen Quellenangabe Di Battista, G., Eades, P., Tamassia, R. und Tollis, I.G. Graph Drawing: Algorithms for the Visualization of Graphs. Prentice-Hall, 1999 Tamassia, R. und Tollis, I.G. Planar grid embedding in linear time. IEEE Transactions on Circuits and Systems, 36(9): , 1989 Programmierpraktikum Zeichnen von Graphen / 28

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1

Fünf-Farben-Satz. Seminar aus reiner Mathematik, WS 13/14. Schweighofer Lukas, November Seite 1 Der Fünf- Farben-Satz Seminar aus reiner Mathematik, WS 13/14 Schweighofer Lukas, November 2013 Seite 1 Inhaltsverzeichnis Vorwort...3 Graphentheoretische Grundlagen...4 Satz 2 (Eulerscher Polyedersatz)...7

Mehr

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

15. Elementare Graphalgorithmen

15. Elementare Graphalgorithmen Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen

Mehr

Isomorphie von Bäumen

Isomorphie von Bäumen Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................

Mehr

Graphen und Bäume. A.1 Graphen

Graphen 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

Mehr

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling

Mehr

\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.

\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Das Komplement Ḡ = (V, ( V ) \ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E. Ein Graph H = (V, E )

Mehr

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung Kapitel : Minimale spannende Bäume Gliederung der Vorlesung. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Lernmodul 2 Graphen. Lernmodul 2: Geoobjekte und ihre Modellierung - Graphen

Lernmodul 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

Mehr

Kürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring

Kürzeste 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

Mehr

6. Übung zur Linearen Optimierung SS08

6. Übung zur Linearen Optimierung SS08 6 Übung zur Linearen Optimierung SS08 1 Sei G = (V, E) ein schlichter ungerichteter Graph mit n Ecken und m Kanten Für eine Ecke v V heißt die Zahl der Kanten (u, v) E Grad der Ecke (a) Ist die Anzahl

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik [email protected] Algorithmen für Graphen Fragestellungen: Suche

Mehr

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).

Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung

Mehr

Minimal spannende Bäume

Minimal 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

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

Diskrete 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Bäume und Wälder. Definition 1

Bäume 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

Mehr

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Proseminar 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

Mehr

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7 1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

Quicksort ist ein Divide-and-Conquer-Verfahren.

Quicksort ist ein Divide-and-Conquer-Verfahren. . Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Die Komplexität von Domino

Die Komplexität von Domino Die Komplexität von Domino - oder die Frage nach dem Problem, ob man ein Polygon mit einer Menge von Dominosteinen bedecken kann Referent: Thorsten Reinhardt Freie Universität Berlin / FB Informatik Seminar

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik [email protected] Wdhlg.: Dijkstra-Algorithmus I Bestimmung der

Mehr

Algorithmen für schwierige Probleme

Algorithmen 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

Mehr

Das Heiratsproblem. Definition Matching

Das 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1 Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung

Mehr

Algorithmen & Komplexität

Algorithmen & Komplexität Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik [email protected] Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg

Mehr

3 Klassifikation wichtiger Optimierungsprobleme

3 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

Mehr

Der Fünffarbensatz Proseminar: Graphentheorie Sommersemester 2006 Isa Topac, Markus Kunder, Tim Hahn

Der 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

Mehr

2. Repräsentationen von Graphen in Computern

2. Repräsentationen von Graphen in Computern 2. Repräsentationen von Graphen in Computern Kapitelinhalt 2. Repräsentationen von Graphen in Computern Matrizen- und Listendarstellung von Graphen Berechnung der Anzahl der verschiedenen Kantenzüge zwischen

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt. Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 5. Musterlösung Problem : Vitale Kanten * In einem Netzwerk (D = (V, E); s, t; c) mit Maximalfluß f heißen Kanten e

Mehr

Programmierpraktikum WS 16/17

Programmierpraktikum WS 16/17 Programmierpraktikum in Rasterbildern Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 8.Oktober 2016 c 2016 FernUniversität in Hagen Übersicht 1 Raster-

Mehr

f h c 7 a 1 b 1 g 2 2 d

f h c 7 a 1 b 1 g 2 2 d ) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener

Mehr

Bäume. 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1

Bäume. 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

Mehr

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08

Mehr

1. Einleitung wichtige Begriffe

1. 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

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume

Mehr

Kodieren Von Graphen

Kodieren Von Graphen Kodieren Von Graphen Allgemeine Anwendungen: Routenplaner Netzpläne Elektrische Schaltungen Gebäudeerkennung aus Luftaufnahmen Definitionen:? Graph Ein Graph G besteht aus einem geordneten Paar G = (V,E)

Mehr

Durchschnitt von Matroiden

Durchschnitt von Matroiden Durchschnitt von Matroiden Satz von Edmonds Dany Sattler 18. Januar 2007/ Seminar zur ganzzahligen Optimierung / Wallenfels Definition: Unabhängigkeitssystem Definition: Ein Mengensystem (S, J ) nennt

Mehr

Grundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen

Grundlagen Datenstrukturen Transitive Hülle Traversierung Kürzeste Wege Spannender Baum Max. Fluss Zuordnungen. 6. Graphen . Graphen viele praktische (Optimierungs-)Probleme sind als graphentheoretische Probleme formulierbar z.b. in Produktionsplanung, Personaleinsatzplanung,.... Grundlagen gerichteter, ungerichteter und gewichteter

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. 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,

Mehr

Graphen: Datenstrukturen und Algorithmen

Graphen: Datenstrukturen und Algorithmen Graphen: Datenstrukturen und Algorithmen Ein Graph G = (V, E) wird durch die Knotenmenge V und die Kantenmenge E repräsentiert. G ist ungerichtet, wenn wir keinen Start- und Zielpunkt der Kanten auszeichnen.

Mehr

Matchings (Paarungen) in Graphen. PS Algorithmen auf Graphen SS `06 Steven Birr

Matchings (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

Mehr

Algorithmen und Datenstrukturen (WS 2007/08) 63

Algorithmen und Datenstrukturen (WS 2007/08) 63 Kapitel 6 Graphen Beziehungen zwischen Objekten werden sehr oft durch binäre Relationen modelliert. Wir beschäftigen uns in diesem Kapitel mit speziellen binären Relationen, die nicht nur nur besonders

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Wir basteln uns ein Marktdiagramm

Wir basteln uns ein Marktdiagramm "Ich male mir die Welt widiewidiewie sei mir gefällt..." Bundesarbeitsministerin Nahles vor der Wahl im Bundestag Wir basteln uns ein Marktdiagramm Soviel vorab: Ich bin kein Freund davon, Studis von Programmen

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen 2 Teil 5 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Programmfenster LU 3. Lernübersicht. TZ RB LibreCAD. Programm-Menu Befehle direkt anwählen. copy / paste Ansicht. Rückgängig. Auswahl.

Programmfenster LU 3. Lernübersicht. TZ RB LibreCAD. Programm-Menu Befehle direkt anwählen. copy / paste Ansicht. Rückgängig. Auswahl. LU 3 Programmfenster Programm-Menu Befehle direkt anwählen Datei Auswahl Rückgängig copy / paste Ansicht Objekteigenschaften - Farbe - Linienstil - Füllung Ebenen (Layer) Werkzeuge: - zeichnen - auswählen

Mehr

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

Was bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone Was bisher geschah Motivation, Beispiele geometrische Objekte im R 2 : Punkt, Gerade, Halbebene, Strecke, Polygon, ebene Zerlegung in Regionen (planare Graphen) maschinelle Repräsentation geometrischer

Mehr

Diskrete Mathematik für Informatiker

Diskrete 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,

Mehr

Übungsblatt 2 - Lösung

Übungsblatt 2 - Lösung Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer

Mehr

Minimal spannender Baum

Minimal spannender Baum Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Kapitel 3. Kombinatorische Optimierung. 3.1 Begriffe aus der Graphentheorie

Kapitel 3. Kombinatorische Optimierung. 3.1 Begriffe aus der Graphentheorie Kapitel 3 Kombinatorische Optimierung 3 Begriffe aus der Graphentheorie Zur Beschreibung vieler Optimierungsprobleme eignet sich besonders die Sprache der Graphentheorie Das erste graphentheoretisch beschriebene

Mehr

Bipartite Graphen. Beispiele

Bipartite Graphen. Beispiele Bipartite Graphen Ein Graph G = (V, E) heiÿt bipartit (oder paar), wenn die Knotenmenge in zwei disjunkte Teilmengen zerfällt (V = S T mit S T = ), sodass jede Kante einen Knoten aus S mit einem Knoten

Mehr

Scalable Vector Graphics. Ulrich Hoffmann <[email protected]>

Scalable Vector Graphics. Ulrich Hoffmann <Ulrich.E.Hoffmann@gmx.de> Scalable Vector Graphics Ulrich Hoffmann 1 Überblick ftp://tins1.rz.e-technik.fh-kiel.de/home/share/xxml Was ist SVG? Wie lässt sich SVG anzeigen, bearbeiten? Wie sehen SVG-Dokumente

Mehr

Das Multi Traveling Salesman Problem

Das Multi Traveling Salesman Problem Das Multi Traveling Salesman Problem Harald Voit Seminar Ganzzahlige Optimierung 19. bis 21. Januar 2007 Wallenfels Das Multi Traveling Salesman Problem p.1/26 Übersicht Vom TSP zum ATSP Das Multi Traveling

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

Ausarbeitung über den Satz von Menger und den Satz von König

Ausarbeitung über den Satz von Menger und den Satz von König Ausarbeitung über den Satz von Menger und den Satz von König Myriam Ezzedine, 0326943 Anton Ksernofontov, 0327064 Jürgen Platzer, 0025360 Nataliya Sokolovska, 0326991 1. Beweis des Satzes von Menger Bevor

Mehr

Drei Anwendungen der Eulerschen Polyederformel

Drei Anwendungen der Eulerschen Polyederformel Drei Anwendungen der Eulerschen Polyederformel Seminar aus Reiner Mathematik Viktoria Weißensteiner 04. Dezember 2013 Inhaltsverzeichnis 1 Einleitung 2 2 Vorbereitende Theorie 3 2.1 ebene Graphen..........................

Mehr

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29 1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian

Mehr

Structure/Draw: zwischen den Modi wählen (Structure-Modus zum zeichnen von Molekülen, Draw-Modus zum zeichnen von Geräten und Apparaturen)

Structure/Draw: zwischen den Modi wählen (Structure-Modus zum zeichnen von Molekülen, Draw-Modus zum zeichnen von Geräten und Apparaturen) Computer im (Chemie-)Unterricht Chemielehrerfortbildung 2007 Sebastian Musli 1) Grundfunktionen von Chemsketch 10.0 Hinweis: In der Version 10.0 mögen einige Buttons ein wenig von den abgedruckten im Design

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische 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

Mehr

Algorithmen zur Bestimmung von guten Graph-Einbettungen für orthogonale Zeichnungen. Thorsten Kerkhof

Algorithmen zur Bestimmung von guten Graph-Einbettungen für orthogonale Zeichnungen. Thorsten Kerkhof Algorithmen zur Bestimmung von guten Graph-Einbettungen für orthogonale Zeichnungen Thorsten Kerkhof Algorithm Engineering Report TR7-1-11 November 27 ISSN 1864-453 Fakultät für Informatik Algorithm Engineering

Mehr

Definition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind.

Definition Gerichteter Pfad. gerichteter Pfad, wenn. Ein gerichteter Pfad heißt einfach, falls alle u i paarweise verschieden sind. 3.5 Gerichteter Pfad Definition 291 Eine Folge (u 0, u 1,..., u n ) mit u i V für i = 0,..., n heißt gerichteter Pfad, wenn ( i {0,..., n 1} ) [ (u i, u i+1 ) A]. Ein gerichteter Pfad heißt einfach, falls

Mehr

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V. Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.

Mehr

Projiziertes Zeichnen

Projiziertes Zeichnen Projiziertes Zeichnen Willkommen bei Corel DESIGNER, dem umfassenden vektorbasierten Zeichenprogramm zur Erstellung technischer Grafiken. Beim Zeichnen mit Corel DESIGNER können Sie Zeichnungsprofile verwenden,

Mehr

Datenstrukturen. einfach verkettete Liste

Datenstrukturen. 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

Mehr

Tensegrity Visualization Framework

Tensegrity Visualization Framework Tensegrity Software the interface architect Tensegrity Visualization Framework Modellierung und Visualisierung von Strukturen und Prozessen 2004 Tensegrity Software, Cologne 2004 Tensegrity Software, Cologne

Mehr

Verkettete Datenstrukturen: Bäume

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

Mehr

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick

Mehr

Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien

Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Kap. 7.1 Heuristiken Kap. 7.2 Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 23. VO DAP2 SS 2008 14. Juli 2009

Mehr

4. Kreis- und Wegeprobleme Abstände in Graphen

4. Kreis- und Wegeprobleme Abstände in Graphen 4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls

Mehr

Zweizusammenhang und starker Zusammenhang

Zweizusammenhang 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

Mehr

1. Übung Graphentheorie WS2016/17

1. Übung Graphentheorie WS2016/17 1. Übung Graphentheorie WS2016/17 1. Schreiben Sie für jede Ecke der folgenden 7 Graphen den Grad auf! Welche der Graphen sind regulär? G 1 G 2 G 5 G 3 2. Bestimmen Sie alle paarweise nicht-isomorphen

Mehr

Ein Turnierplan mit fünf Runden

Ein Turnierplan mit fünf Runden Mathematik I für Informatiker Graphen p. 1 Ein Turnierplan mit fünf Runden c b a c b a c b a c b a c b a d e d e d e d e d e Mathematik I für Informatiker Graphen p. 2 Definition: Graph Ein (schlichter)

Mehr

Softwareentwicklungspraktikum Nebenfach

Softwareentwicklungspraktikum Nebenfach PD Dr. Ulrich Schöpp Ludwig-Maximilians-Universität München Dr. Steffen Jost Institut für Informatik Stephan Barth WS 2016/17 Softwareentwicklungspraktikum Nebenfach Blatt 3 Dieses Arbeitsblatt ist innerhalb

Mehr

Verteilen von Bällen auf Urnen

Verteilen von Bällen auf Urnen Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle

Mehr

Grafikformate Ein kurzer Überblick

Grafikformate Ein kurzer Überblick Grafikformate Ein kurzer Überblick Einführung in das rechnergestützte Arbeiten Dr. Andreas Poenicke, Dr. Patrick Mack KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der

Mehr

MafI I: Logik & Diskrete Mathematik (F. Hoffmann)

MafI I: Logik & Diskrete Mathematik (F. Hoffmann) Lösungen zum 14. und letzten Aufgabenblatt zur Vorlesung MafI I: Logik & Diskrete Mathematik (F. Hoffmann) 1. Ungerichtete Graphen (a) Beschreiben Sie einen Algorithmus, der algorithmisch feststellt, ob

Mehr

Einführung in die Graphentheorie. Monika König

Einführung 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

Mehr

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten Gliederung Zusammenhang von Graphen Stark Zusammenhängend K-fach Zusammenhängend Brücken Definition Algorithmus zum Finden von Brücken Anwendung Zusammenhangskomponente Definition Wichtige Aussagen und

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug

Mehr

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen. Hashing 6. Algorithmische Geometrie 4/6, Folie 1 2014 Prof. Steffen Lange - HDa/FbI

Mehr

Praktikum Planare Graphen

Praktikum Planare Graphen 1 Praktikum Planare Graphen Michael Baur, Martin Holzer, Steffen Mecke 10. November 2006 Einleitung Gliederung 2 Grundlagenwissen zu planaren Graphen Themenvorstellung Gruppeneinteilung Planare Graphen

Mehr

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke

Theoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke Theoretische Informatik 1 WS 2007/2008 Prof. Dr. Rainer Lütticke Inhalt der Vorlesung Grundlagen - Mengen, Relationen, Abbildungen/Funktionen - Datenstrukturen - Aussagenlogik Automatentheorie Formale

Mehr