Algorithmen und Datenstrukturen
|
|
|
- Tobias Albert
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithmen und Datenstrukturen 13. Übung minimale Spannbäume, topologische Sortierung, AVL-Bäume Clemens Lang Übungen zu AuD 4. Februar 2010 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
2 Organisatorisches Klausur 2. Februar, :00 Uhr spätestens :4 Uhr da sein Raumeinteilung auf der AuD-Seite Terminplan Nächste Woche: Klausurvorbereitung Klausur aus dem SS 200 oder WS 200/0 Letzter Vorlesungstermin: Vorstellung einer Beispielklausur Heute: Besprechung der Evaluationsergebnisse Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
3 Organisatorisches Klausur 2. Februar, :00 Uhr spätestens :4 Uhr da sein Raumeinteilung auf der AuD-Seite Terminplan Nächste Woche: Klausurvorbereitung Klausur aus dem SS 200 oder WS 200/0 Letzter Vorlesungstermin: Vorstellung einer Beispielklausur Heute: Besprechung der Evaluationsergebnisse Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
4 Minimale Spannbäume: Algorithmus von Prim Minimale Spannbäume Teilmenge von Kanten eines Graphen, die alle Knoten untereinander verbindet, dabei aber die minimale Summe von Kantengewichten hat Algorithmus von Prim Auf ungerichteten, zusammenhängenden, gewichteten Graphen Vorgehensweise: Wähle beliebigen Knoten als Startknoten Solange der Teilgraph noch nicht alle Knoten erreicht: Wähle billigste erreichbare Kante, die zu einem neuen Knoten führt Füge Kante und Knoten dem Graphen hinzu Laufzeit je nach Implementierung zwischen O( E + V log V ) und O(( V + E ) log V ) a a V ist die Menge der Knoten aus dem Englischen vertices, Plural von vertex E ist die Menge der Kanten aus dem Englischen edges Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
5 Minimale Spannbäume: Algorithmus von Prim Minimale Spannbäume Teilmenge von Kanten eines Graphen, die alle Knoten untereinander verbindet, dabei aber die minimale Summe von Kantengewichten hat Algorithmus von Prim Auf ungerichteten, zusammenhängenden, gewichteten Graphen Vorgehensweise: Wähle beliebigen Knoten als Startknoten Solange der Teilgraph noch nicht alle Knoten erreicht: Wähle billigste erreichbare Kante, die zu einem neuen Knoten führt Füge Kante und Knoten dem Graphen hinzu Laufzeit je nach Implementierung zwischen O( E + V log V ) und O(( V + E ) log V ) a a V ist die Menge der Knoten aus dem Englischen vertices, Plural von vertex E ist die Menge der Kanten aus dem Englischen edges Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
6 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
7 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
8 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
9 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
10 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
11 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
12 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
13 Minimale Spannbäume: Algorithmus von Prim (2) A D 6 1 B F E 11 C G Gesamtgewicht des Spannbaums: 3 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
14 Minimale Spannbäume: Algorithmus von Kruskal Algorithmus von Kruskal Ebenfalls auf ungerichteten, zusammenhängenden, gewichteten Graphen Wähle aus den noch nicht ausgewählten Kanten die leichteste Kante, die keinen Zyklus mit den bereits gewählten Kanten erzeugt Aufwand O( E log E ) oder O( E log V ) Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
15 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
16 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
17 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
18 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
19 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
20 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
21 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
22 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
23 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
24 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
25 Minimale Spannbäume: Algorithmus von Kruskal (2) A D 6 1 B F E 11 C G Gesamtgewicht des Spannbaums: 3 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
26 AVL-Bäume (13.2, 13.4) Begriffe Grundidee: Binärer Suchbaum Vermeidung von Ungleichgewichten durch automatisches Balancieren AVL-Eigenschaft: hoehe(linkerteilbaum) hoehe(rechterteilbaum) 1 AVL-Eigenschaft gilt für jeden beliebigen Teilbaum Baum ist AVL-Baum keine unbalancierten Bäume möglich, Operationen bleiben schnell Balancieren braucht nur Konstanten zusätzlichen Aufwand Höhe Anzahl der Ebenen unter dem Knoten Balancefaktor h links h rechts Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
27 AVL-Bäume (13.2, 13.4) Begriffe Grundidee: Binärer Suchbaum Vermeidung von Ungleichgewichten durch automatisches Balancieren AVL-Eigenschaft: hoehe(linkerteilbaum) hoehe(rechterteilbaum) 1 AVL-Eigenschaft gilt für jeden beliebigen Teilbaum Baum ist AVL-Baum keine unbalancierten Bäume möglich, Operationen bleiben schnell Balancieren braucht nur Konstanten zusätzlichen Aufwand Höhe Anzahl der Ebenen unter dem Knoten Balancefaktor h links h rechts Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
28 AVL-Bäume: Rotation (13.2, 13.4) Einfachrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben gleiches Vorzeichen Rotiere letzten balancierten Knoten Balancefaktor < 0: Linksrotation Balancefaktor > 0: Rechtsrotation Doppelrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben unterschiedliches Vorzeichen Rotiere zwei mal um vorletzten balancierten Knoten Beispiel-Applet tinyurl.com/avltreeapplet Achtung! Balancefaktoren sind in diesem Applet invertiert! Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
29 AVL-Bäume: Rotation (13.2, 13.4) Einfachrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben gleiches Vorzeichen Rotiere letzten balancierten Knoten Balancefaktor < 0: Linksrotation Balancefaktor > 0: Rechtsrotation Doppelrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben unterschiedliches Vorzeichen Rotiere zwei mal um vorletzten balancierten Knoten Beispiel-Applet tinyurl.com/avltreeapplet Achtung! Balancefaktoren sind in diesem Applet invertiert! Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
30 AVL-Bäume: Rotation (13.2, 13.4) Einfachrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben gleiches Vorzeichen Rotiere letzten balancierten Knoten Balancefaktor < 0: Linksrotation Balancefaktor > 0: Rechtsrotation Doppelrotation Balancefaktoren von letztem balanciertem und erstem unbalancierten Knoten haben unterschiedliches Vorzeichen Rotiere zwei mal um vorletzten balancierten Knoten Beispiel-Applet tinyurl.com/avltreeapplet Achtung! Balancefaktoren sind in diesem Applet invertiert! Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
31 Topologische Sortierung Nur auf gerichteten azyklischen Graphen, sog. DAGs a möglich Auflösung von Abhängigkeiten zwischen Knoten Vorgehensweise: 1 Suche Knoten ohne Eingangskante 2 Markiere und entferne Knoten 3 Wiederhole bis Graph leer a engl. directed acyclic graph Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar 2010 / 14
32 Topologische Sortierung (2) J Ho Sch Sh So He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
33 Topologische Sortierung (2) J Ho Sch 1 Sh So He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
34 Topologische Sortierung (2) J Ho Sch 1 Sh 2 So He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
35 Topologische Sortierung (2) J Ho Sch 1 Sh 2 So 3 He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
36 Topologische Sortierung (2) J 4 Ho Sch 1 Sh 2 So 3 He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
37 Topologische Sortierung (2) J 4 Ho Sch 1 Sh 2 So 3 He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
38 Topologische Sortierung (2) 6 J 4 Ho Sch 1 Sh 2 So 3 He Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
39 Topologische Sortierung (2) 6 J 4 Ho Sch 1 Sh 2 So 3 He Mögliche Reihenfolge: Sh, So, He, Ho, Sch, J Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
40 Traversierung von Graphen Tiefensuche Vorgehensweise zur Traversierung eines Knotens und seiner Kindknoten: 1 d f s ( node ) : 2 i f ( node i s n u l l ) r e t u r n ; 3 p r e f i x W o r k ( node ) ; 4 d f s ( node >l e f t C h i l d ) ; i n f i x W o r k ( node ) ; 6 d f s ( node >r i g h t C h i l d ) ; p o s t f i x W o r k ( node ) ; Mit einem Stack auch iterativ implementierbar Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
41 Traversierung von Graphen (2) Breitensuche 1 b f s ( node ) : 2 // r e p l a c e queue by s t a c k to g e t depth f i r s t s e a r c h 3 queue := { node } 4 w h i l e ( not queue >empty ( ) ) : elem := queue >pop ( ) 6 dowork ( elem ) f o r e a c h ( c h i l d i n elem >c h i l d r e n ) : queue >add ( c h i l d ) Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
42 Nachbesprechung von Blatt 10, 11, ADTs, Freies Programmieren: Quilt 11 Simple Scheduler, Radixsort, Mergesort 12 Hashes, dynamische Reihung, Quicksort, RingBuffer Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
43 Nachbesprechung von Blatt 10, 11, ADTs, Freies Programmieren: Quilt 11 Simple Scheduler, Radixsort, Mergesort 12 Hashes, dynamische Reihung, Quicksort, RingBuffer Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
44 Nachbesprechung von Blatt 10, 11, ADTs, Freies Programmieren: Quilt 11 Simple Scheduler, Radixsort, Mergesort 12 Hashes, dynamische Reihung, Quicksort, RingBuffer Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
45 Ende Guten Appetit! Spaghetti Bolognese mit Reibekäse 1,60 Fränkischer Sauerbraten R 1,0 Sellerieschnitzel mit Brokkolisoße V 1,60 Clemens Lang (Übungen zu AuD) Algorithmen und Datenstrukturen 4. Februar / 14
Wie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
Grundlagen Algorithmen und Datenstrukturen TUM Sommersemester 2011 (2) Dozent: Hanjo Täubig
Grundlagen Algorithmen und Datenstrukturen TUM Sommersemester 2011 (2) Dozent: Hanjo Täubig Janosch Maier 3. August 2011 Inhaltsverzeichnis 1 Sortieren 3 1.1 Externes Sortieren..........................
Pro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
NAME, VORNAME: Studiennummer: Matrikel:
TU Ilmenau, Fakultat IA Institut für Theoretische Informatik FG Komplexitätstheorie und Effiziente Algorithmen Prof. Dr. (USA) M. Dietzfelbinger Klausur Algorithmen und Datenstrukturen SS08, Ing.-Inf.
Übung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 217 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda: Graphen, Suchbäume, AVL Bäume Heute: Graphen und Bäume Binäre Suchbäume AVL-Bäume Nächste
Graphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
Datenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 20) Übungsblatt 8 Abgabe: Montag, 24.06.20, 14:00 Uhr Die Übungen sollen in Gruppen von zwei bis drei Personen bearbeitet werden. Schreiben Sie die Namen jedes Gruppenmitglieds
Algorithmen und Datenstrukturen 2. Dynamische Datenstrukturen
Algorithmen und Datenstrukturen 2 Dynamische Datenstrukturen Algorithmen für dynamische Datenstrukturen Zugriff auf Variable und Felder durch einen Ausdruck: Namen durch feste Adressen referenziert Anzahl
Graphdurchmusterung, 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,
Algorithmen 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
\ 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 )
1 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
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
Datenstrukturen und Algorithmen 2. Klausur SS 2001
UNIVERSITÄT PADERBORN FACHBEREICH 7 (MATHEMATIK INFORMATIK) Datenstrukturen und Algorithmen 2. Klausur SS 200 Lösungsansätze Dienstag, 8. September 200 Name, Vorname:...................................................
Institut für Programmierung und Reaktive Systeme 31. Mai Programmieren II. 12. Übungsblatt
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 1. Mai 01 Programmieren II 1. Übungsblatt Hinweis: Dieses Übungsblatt enthält die dritte Pflichtaufgabe.
3. 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),
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung
Programmiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
Programmiertechnik II
Graph-Algorithmen Anwendungsgebiete "Verbundene Dinge" oft Teilproblem/Abstraktion einer Aufgabenstellung Karten: Wie ist der kürzeste Weg von Sanssouci nach Kunnersdorf? Hypertext: Welche Seiten sind
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.
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.
9 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
Algorithmen und Datenstrukturen 1-5. Seminar -
Algorithmen und Datenstrukturen 1-5. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Wintersemester 2009/10 Outline 5.+6. Übungsserie: 5 Aufgaben, insgesamt 40 Punkte A17 Baum-Traversierung
Algorithmische 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
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.
Algorithmen und Datenstrukturen II
Algorithmen und Datenstrukturen II D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2009, 9. April 2009, c 2009 D.Rösner D.
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
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
Algorithmen I - Tutorium 28 Nr. 11
Algorithmen I - Tutorium 28 Nr. 11 13.07.2017: Spaß mit Schnitten, Kreisen und minimalen Spannbäumen Marc Leinweber marc.leinweber@student.kit.edu INSTITUT FÜR THEORETISCHE INFORMATIK (ITI), PROF. DR.
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.
Algorithmen 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
Tutoraufgabe 1 (Suchen in Graphen):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn
4.2 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
1 Exploration geordneter Wurzelbäume
Exploration geordneter Wurzelbäume Ein geordneter Wurzelbaum ist ein Baum, bei welchem ein Knoten als Wurzel ausgezeichnet wird und bei welchem die Kinder eines Knotens linear, sagen wir von links nach
Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
10. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php
Abstrakter 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
Graphen. Leonhard Euler ( )
Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),
Übung: Algorithmen und Datenstrukturen SS 2007
Übung: Algorithmen und Datenstrukturen SS 07 Prof. Lengauer Sven Apel, Michael Claÿen, Christoph Zengler, Christof König Blatt 8 Votierung in der Woche vom 25.06.0729.06.07 Aufgabe 22 AVL-Bäume (a) Geben
Algorithmen und Datenstrukturen VO UE 2.0 Nebentermin Vorlesungsprüfung / 4. Übungstest SS
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen 8.089 VO.0 + 8. UE.0 Nebentermin Vorlesungsprüfung
Graphalgorithmen I. Simon Regnet. May 16, Universität Erlangen. Simon Regnet (Universität Erlangen) Graphalgorithmen I May 16, / 56
Graphalgorithmen I Simon Regnet Universität Erlangen May 16, 2008 Simon Regnet (Universität Erlangen) Graphalgorithmen I May 16, 2008 1 / 56 Inhalt 1 Motivation 2 Terminologie 3 Datenstrukturen 4 Suche
Algorithmen und Datenstrukturen 1 VL Übungstest SS Juni 2011
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 86.72 Algorithmen und Datenstrukturen VL 4.0 2. Übungstest SS 20 0. Juni 20 Machen
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 12, Donnerstag, 22.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 014 / 015 Vorlesung 1, Donnerstag,. Januar 015 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
Datenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
Institut für Programmierung und Reaktive Systeme 27. Mai Programmieren II. 12. Übungsblatt
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 27. Mai 206 Programmieren II 2. Übungsblatt Hinweis: Auf diesem und den folgenden Übungsblättern
Minimale Spannbäume. Übersicht. 1 Spannbäume. 2 Minimale Spannbäume. 3 Greedy Algorithmen. 4 Die Algorithmen von Kruskal und Prim
Datenstrukturen und Algorithmen Vorlesung 16: (K23) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-1/dsal/ 12. Juni 201
Einführung 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
Berechnung minimaler Spannbäume. Beispiel
Minimale Spannbäume Definition Sei G pv, Eq ein ungerichteter Graph und sei w : E Ñ R eine Funktion, die jeder Kante ein Gewicht zuordnet. Ein Teilgraph T pv 1, E 1 q von G heißt Spannbaum von G genau
Programmierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
Datenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
Programmierkurs Python
Programmierkurs Python Stefan Thater Michaela Regneri 2010-0-29 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen für Graphen Tiefen- und Breitensuche Nächste Woche: mehr Algorithmen 2 Was
Programmierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri FR.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 011 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen
Algorithmen 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 /
Binäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps
Binäre Suchbäume Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps Mengen n Ziel: Aufrechterhalten einer Menge (hier: ganzer Zahlen) unter folgenden Operationen: Mengen n Ziel: Aufrechterhalten einer
Tutoraufgabe 1 (Starke Zusammenhangskomponenten):
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Allgemeine Hinweise: Datenstrukturen und Algorithmen SS1 Übungsblatt (Abgabe 4.0.01) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder
Informatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 11 (4.6.2014) Binäre Suchbäume II Algorithmen und Komplexität Binäre Suchbäume Binäre Suchbäume müssen nicht immer so schön symmetrisch sein
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
1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y
Die AVL-Eigenschaft soll bei Einfügungen und Streichungen erhalten bleiben. Dafür gibt es zwei mögliche Operationen: -1-2 Rotation Abbildung 3.1: Rotation nach rechts (analog links) -2 +1 z ±1 T 4 Doppelrotation
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
Vorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)
Aufgabe 1 O-Notation (2+3+5=10 Punkte)
1 Aufgabe 1 O-Notation (2+3+=10 Punkte) Zeigen oder widerlegen Sie die folgenden Aussagen: a) n 2 +log n Θ(n 2 ) Ist die Aussage wahr, so muss gelten: 0 < lim n + n 2 +logn n 2
Vorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdurchläufe Maike Buchin 22. und 27.6.2017 Graphexploration Motivation: Für viele Zwecke will man den gesamten Graphen durchlaufen, zb. um festzustellen ob er (stark) zusammenhängt.
1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Übersicht. Datenstrukturen und Algorithmen. Übersicht. Motivation. Vorlesung 10: Binäre Suchbäume
Übersicht Datenstrukturen und lgorithmen Vorlesung : Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-/dsal/ 1 Suche Einfügen
11. Übungsblatt zu Algorithmen I im SS 2010
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 11. Übungsblatt zu Algorithmen I im SS 2010 http://algo2.iti.kit.edu/algorithmeni.php
Balancierte Bäume. Minimale Knotenanzahl von AVL-Bäumen. AVL-Bäume. Definition für "balanciert":
Balancierte Bäume Aufwand, ein Element zu finden, entspricht der Tiefe des gefundenen Knotens im worst case = Tiefe des Baumes liegt zwischen log N und N Definition für "balanciert": es gibt verschiedene
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
Datenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS0 Datum:.6.200 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Minimaler Spannbaum (MST) Challenge der Woche Fibonacci Heap Minimaler Spannbaum
Diskrete 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
Teil XII. Datenstrukturen: Bäume, Stacks und Queues. Scientific Computing in Computer Science, Technische Universität München
Teil XII Datenstrukturen: Bäume, Stacks und Queues IN8008, Wintersemester 2011/2012 251 Stacks (Kellerspeicher/Stapel) Funktioniert wie ein natürlicher Stapel (z.b. Papierstapel auf dem Schreibtisch) Elemente
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
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen 11. Übung Verkettete Listen, Sortieren Insertionsort, Mergesort, Radixsort, Quicksort Clemens Lang Übungen zu AuD 19. Januar 2010 Clemens Lang (Übungen zu AuD) Algorithmen
Algorithmen und Datenstrukturen Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor
Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor Die Klausur besteht aus 6 Aufgaben und umfasst 60 Punkte. Bitte schreiben Sie die Lösungen auf die Aufgabenblätter. Vergessen
Vorname:... Matrikel-Nr.:... Unterschrift:...
Fachhochschule Mannheim Hochschule für Technik und Gestaltung Fachbereich Informatik Studiengang Bachelor of Computer Science Klausur Algorithmen und Datenstrukturen Wintersemester 2002 / 2003 Name:...
Grundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00
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
Kurs 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
Logische Datenstrukturen
Lineare Listen Stapel, Warteschlangen Binärbäume Seite 1 Lineare Liste Begriffe first Funktion: sequentielle Verkettung von Datensätzen Ordnungsprinzip: Schlüssel Begriffe: first - Anker, Wurzel; Adresse
Algorithmen & 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
Wiederholung 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
DATENSTRUKTUREN UND ALGORITHMEN
DATENSTRUKTUREN UND ALGORITHMEN 2 Ist die Datenstruktur so wichtig??? Wahl der Datenstruktur wichtiger Schritt beim Entwurf und der Implementierung von Algorithmen Dünn besetzte Graphen und Matrizen bilden
Rekurrenzen T(n) = T(n 1) + N beschreibt Laufzeitverhalten eines rekursiven Algorithmus
Algorithmen und Datenstrukturen Übung Rekurrenzen T(n) = T(n ) + N beschreibt Laufzeitverhalten eines rekursiven Algorithmus Bsp. Fibunacci F(n) = F(n ) + F(n ) N F(0) = F() = F(N) rekursive Aufrufe,8
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. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/2, Folie 1 2014 Prof. Steffen Lange - HDa/FbI
Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.
Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten
B-Bäume, speziell (2,4)-Bäume / Externe Suche: BBaum- Varianten 5.7 (Rot-Schwarz-Bäume) 5.8 Streuspeicherverfahren (Hash-Verfahren)
Übersicht Effiziente Repräsentation von Mengen und Relationen.... B-Bäume, speziell (,)-Bäume / Externe Suche: BBaum- Varianten.7 (Rot-Schwarz-Bäume).8 Streuspeicherverfahren (Hash-Verfahren). Weitere
Informatik 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
Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume
Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen
11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME
Algorithmen und Datenstrukturen 11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen - Ma5hias Thimm (thimm@uni-koblenz.de) 1 Algorithmen und Datenstrukturen 11.1. BERECHNUNG MAXIMALER FLÜSSE
Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
5 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:
Algorithmen und Datenstrukturen Balancierte Suchbäume
Algorithmen und Datenstrukturen Balancierte Suchbäume Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Überblick Einführung Einfügen und Löschen Einfügen
2 i. i=0. und beweisen Sie mittels eines geeigneten Verfahrens die Korrektheit der geschlossenen Form.
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Vollständige Induktion): Finden Sie eine geschlossene Form für die
Wege, Pfade und Kreise
Wege, Pfade und Kreise ef.: in Weg ist eine olge von Knoten (v 1, v2,..., vk), so dass {vi,vi+1} für alle 1 i
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
Datenstrukturen. Mariano Zelke. Sommersemester 2012
Datenstrukturen Mariano Zelke Sommersemester 2012 Tiefensuche: Die globale Struktur Der gerichtete oder ungerichtete Graph G werde durch seine Adjazenzliste A repräsentiert. Im Array besucht wird vermerkt,
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
WS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
Vorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 - Balancierte Bäume, AVL-Bäume) Prof. Dr. Susanne Albers Balancierte Bäume Eine Klasse von binären Suchbäumen ist balanciert, wenn jede der drei