Algorithmen und Datenstrukturen 1-5. Seminar -
|
|
|
- Ulrike Krüger
- vor 8 Jahren
- Abrufe
Transkript
1 Algorithmen und Datenstrukturen 1-5. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Wintersemester 2009/10
2 Outline Übungsserie: 5 Aufgaben, insgesamt 40 Punkte A17 Baum-Traversierung (14 Punkte) A18 AVL-Bäume(14 Punkte) A19 Beweis (4 Punkte) A20 Beweis (4 Punkte) A21 Beweis (4 Punkte) Zusammenfassung (Klausur)
3 Aufgabe 17 Ein Programm erzeugt eine Permutation einer einzugebenden Schlüsselfolge, indem es die Schlüssel in der gegebenen Reihenfolge in einen anfangs leeren binären Suchbaum einfügt und anschliessend in einem Durchlauf in Nebenreihenfolge (post-order traversal) ausgibt. Welche Ausgabe liefert das Programm bei Eingabe folgender Schlüsselsequenzen? a) b) c) d) e) f) g) x2 = 14 Punkte
4 Wiederholung: Traversieren von Bäumen Verschiedene Möglichkeiten, die Knoten von Binärbäumen zu durchlaufen. Man unterscheidet: pre-order Hauptreihenfolge: WLR in-order symmetrische Reihenfolge: LWR post-order Nebenreihenfolge: LRW
5 Allgemein: Traversieren von Graphen Baum: Zyklenfreier Graph Breitensuche (BFS - breadth-first-search) Tiefensuche (DFS - depth-first-search)
6 Allgemein: Traversieren von Graphen Breitensuche (BFS - breadth-first-search) Durchlaufen der Knoten eines Graphen geordnet nach der Entfernung von einem Startknoten. Zuerst werden alle vom Startknoten direkt durch eine Kante erreichbaren Knoten besucht, danach die mit zwei Kanten Entfernung, dann die mit drei usw.
7 Allgemein: Traversieren von Graphen Tiefensuche (DFS - depth-first-search) Vom Startknoten so weit wie möglich einen gewählten Pfad entlang gehen. Am Ende eines Zweiges angekommen, schrittweise zurück gehen, bis man unbesuchten Teilbaum absteigen kann. Fertig, wenn man wieder am Startknoten angelangt ist und es keine unbesuchten direkten Nachbarknoten des Startknotens mehr gibt. Backtracking: Solange wie möglich gehen, wenn man nicht mehr weiter kommt, zurückgehen bis man einen anderen Weg findet.
8 Allgemein: Traversieren von Graphen
9 Aufgabe 17 (a) post-order = Nebenreihenfolge = LRW Eingabefolge:
10 Aufgabe 17 (b) post-order = Nebenreihenfolge = LRW Eingabefolge:
11 Aufgabe 17 (c) post-order = Nebenreihenfolge = LRW Eingabefolge:
12 Aufgabe 17 (d) post-order = Nebenreihenfolge = LRW Eingabefolge:
13 Aufgabe 17 (e) post-order = Nebenreihenfolge = LRW Eingabefolge:
14 Aufgabe 17 (f) post-order = Nebenreihenfolge = LRW Eingabefolge:
15 Aufgabe 17 (g) post-order = Nebenreihenfolge = LRW Eingabefolge:
16 Aufgabe 18 Konstruieren Sie zu jeder der in Aufgabe 17 angegebenen Schlüsselfolgen (a-g) einen AVL-Baum, indem Sie die Schlüssel in der gegebenen Reihenfolge in einen anfangs leeren AVL-Baum einfügen und nach jeder Einfügung die gegebenfalls notwendigen Rotationen vornehmen. Zeichnen Sie für jede der Schlüsselfolgen (a-g) nur den resultierenden Baum. Zwischenschritte brauchen nicht angegeben zu werden. 7x2 = 14 Punkte
17 Wiederholung: l-balancierter Binärbaum Seien B l (x) und B r (x) die linken und rechten TB eines Knotens x und h(b) die Höhe eines Baumes B. Definition: Ein l-balancierter Binärbaum ist entweder leer oder es ist ein Baum, bei dem für jeden Knoten x gilt: h(b l (x)) h(b r (x)) l. l läßt sich als Maß für die zulässige Entartung im Vergleich zur ausgeglichenen Baumstruktur auffassen. 1-balancierter Binärbaum heißt AVL-Baum
18 Wiederholung: AVL-Baum Balancierungskriterium h(b l (x)) h(b r (x)) 1. Der Balancierungsfaktor BF(x) eines Knotens x: BF(x) = h(b l (x)) h(b r (x)). = Höhendifferenz der Unterbäume von x. Einfügen/Löschen von Knoten: AVL-Kriterium darf nicht verletzt werden, sonst Reorganisation: Einfach-/Doppelrotation.
19 Reorganisation: Rotation 4 Fälle: 1. Einfache Rechts-Rotation 2. Einfache Links-Rotation 3. Doppelte Rechts-/Links-Rotation 4. Doppelte Links-/Rechts-Rotation
20 Reorganisation: Einfachrotation Einfache Rechts-Rotation:
21 Reorganisation: Einfachrotation Einfache Links-Rotation:
22 Reorganisation: Einfachrotation Einfachrotation im Allgemeinen:
23 Reorganisation: Doppelrotation Doppelte Rechts-/Links-Rotation:
24 Reorganisation: Doppelrotation Doppelte Links-/Rechts-Rotation:
25 AVL-Rebalancierung Jeweils nach Einfügen oder Löschen eines Knotens i, für alle Knoten y auf dem Pfad vom Vater von i bis zur Wurzel: Berechne BF(y). Falls BF(y) +2: Betrachte linken Tochterknoten x von y. Bei BF(x) 0, rotiere rechts um y. Sonst (BF(x) < 0), rotiere zuerst links um x, dann rechts um y. Falls BF(y) 2: Betrachte rechten Tochterknoten x von y. Bei BF(x) 0, rotiere links um y. Sonst (BF(x) > 0), rotiere zuerst rechts um x, dann links um y.
26 Aufgabe 18 (a) Eingabefolge:
27 Aufgabe 18 (a) Eingabefolge:
28 Aufgabe 18 (b) Eingabefolge:
29 Aufgabe 18 (b) Eingabefolge:
30 Aufgabe 18 (c) Eingabefolge:
31 Aufgabe 18 (c) Eingabefolge:
32 Aufgabe 18 (d) Eingabefolge:
33 Aufgabe 18 (d) Eingabefolge:
34 Aufgabe 18 (e) Eingabefolge:
35 Aufgabe 18 (e) Eingabefolge:
36 Aufgabe 18 (f) Eingabefolge:
37 Aufgabe 18 (f) Eingabefolge:
38 Aufgabe 18 (g) Eingabefolge:
39 Aufgabe 18 (g) Eingabefolge:
40 Aufgabe 19 Aufgabe: Sei T ein binärer Suchbaum mit paarweise verschiedenen Schlüsseln. Der Schlüssel x befinde sich in einem Knoten von T mit zwei nicht-leeren Unterbäumen. Zeigen Sie: Der Nachfolger von x befindet sich in einem Knoten mit leerem linken Unterbaum.
41 Aufgabe 19 Aufgabe: Sei T ein binärer Suchbaum mit paarweise verschiedenen Schlüsseln. Der Schlüssel x befinde sich in einem Knoten von T mit zwei nicht-leeren Unterbäumen. Zeigen Sie: Der Nachfolger von x befindet sich in einem Knoten mit leerem linken Unterbaum. Lösungsidee: Beweis durch Widerspruch Seien x, y Knoten im Baum T und y der Nachfolger von x (y > x) und y habe einen nicht-leeren linken Teilbaum. Wir zeigen, dass y nicht der Nachfolger von x in T sein kann.
42 Aufgabe 19 Es gibt 3 Fälle für die rel. Anordnung von x und y im Baum T:
43 Aufgabe 19 Fall 1: x ist im linken Unterbaum des y-knotens. Der rechte Unterbaum des x-knotens ist nicht-leer und enthält einen Schlüssel z mit x < z < y. Damit ist y nicht Nachfolger von x.
44 Aufgabe 19 Fall 1: x ist im linken Unterbaum des y-knotens. Der rechte Unterbaum des x-knotens ist nicht-leer und enthält einen Schlüssel z mit x < z < y. Damit ist y nicht Nachfolger von x. Fall 2: y ist im rechten Unterbaum des x-knotens. Der linke Unterbaum des y-knotens ist nicht-leer und enthält einen Schlüssel z mit x < z < y. Damit ist y nicht Nachfolger von x.
45 Aufgabe 19 Fall 1: x ist im linken Unterbaum des y-knotens. Der rechte Unterbaum des x-knotens ist nicht-leer und enthält einen Schlüssel z mit x < z < y. Damit ist y nicht Nachfolger von x. Fall 2: y ist im rechten Unterbaum des x-knotens. Der linke Unterbaum des y-knotens ist nicht-leer und enthält einen Schlüssel z mit x < z < y. Damit ist y nicht Nachfolger von x. Fall 3: Es gibt einen Knoten mit Schlüssel z, so dass sich der x-knoten im linken Unterbaum des z-knotens und y im rechten Unterbaum des z-knotens befindet. Dann ist x < z < y und somit y nicht Nachfolger von x.
46 Aufgabe 20 Ein binärer Suchbaum T mit n Knoten wird in Nebenreihenfolge durchlaufen (post-order traversal), was eine Schlüsselfolge a 1, a 2,..., a n erzeugt. Die Schlüssel werden anschliessend in umgekehrter Reihenfolge a n, a n 1,..., a 1 in einen anfangs leeren binären Suchbaum iterativ eingefügt. Zeigen Sie, dass der so konstruierte binäre Suchbaum gleich dem eingegebenen Baum T ist.
47 Aufgabe 20 Ein binärer Suchbaum T mit n Knoten wird in Nebenreihenfolge durchlaufen (post-order traversal), was eine Schlüsselfolge a 1, a 2,..., a n erzeugt. Die Schlüssel werden anschliessend in umgekehrter Reihenfolge a n, a n 1,..., a 1 in einen anfangs leeren binären Suchbaum iterativ eingefügt. Zeigen Sie, dass der so konstruierte binäre Suchbaum gleich dem eingegebenen Baum T ist. Induktion über T (Anzahl der Stufen von T).
48 Aufgabe 20 B(a) sei der binäre Suchbaum nach Einfügen der Schlüssel der Sequenz a in einen anfangs leeren Baum. P(T ) sei die Schlüsselsequenz aus der Post-Order-Traversierung des binären Suchbaums T. R(a) sei die Sequenz a nach Umkehrung der Reihenfolge. Induktionsbehauptung: B R P ist die Identität, also für jeden binären Suchbaum T gilt T = B(R(P(T ))).
49 Aufgabe 20 Beweis per Induktion über T : Induktionsvoraussetzung: Für T = 0 ist P(T ) die leere Sequenz, ebenso R(P(T )). Einfügen von nichts in den leeren Suchbaum ergibt wieder den leeren Baum T.
50 Aufgabe 20 Beweis per Induktion über T : Induktionsvoraussetzung: Für T = 0 ist P(T ) die leere Sequenz, ebenso R(P(T )). Einfügen von nichts in den leeren Suchbaum ergibt wieder den leeren Baum T. Induktionsannahme: Sei T > 0 und für alle binären Suchbäume U mit U < T gelte die Gleichung U = B(R(P(U))). Den linken bzw. rechten Teilbaum von T nennen wir T l bzw. T r, die Wurzel w, so dass T = (T l, w, T r ).
51 Aufgabe 20 Induktionsschluss: Dann ist P(T ) = P(T l ) P(T r ) w und somit R(P(T )) = w R(P(T r )) R(P(T l )). Nach Induktionsannahme ist B(R(P(T l ))) = T l und B(R(P(T r ))) = T r. Da alle Schlüssel aus der Sequenz R(P(T r )) grösser als w und alle Schlüssel aus der Sequenz R(P(T l )) kleiner als w sind, finden wir: B(R(P(T ))) = B( w R(P(T r )) R(P(T l )) ) = (B(R(P(T l ))), B(w), B(R(P(T r ))) = (T l, w, T r ) = T.
52 Aufgabe 21 Seien T 1 und T 2 binäre Suchbäume, die dieselben Schlüssel enthalten, jedoch verschiedene Struktur besitzen. Zeigen Sie, dass sich T 1 durch eine geeignete Folge von Rotationen in T 2 überführen lässt.
53 Aufgabe 21 Vorbetrachtungen: Für einen Knoten v auf Stufe i > 0 in einem binären Suchbaum T gibt es eine Rotation R, nach welcher sich der Knoten v auf Stufe i 1 befindet.
54 Aufgabe 21 Vorbetrachtungen: Für einen Knoten v auf Stufe i > 0 in einem binären Suchbaum T gibt es eine Rotation R, nach welcher sich der Knoten v auf Stufe i 1 befindet. Bezeichne w den Vaterknoten von v. Je nachdem, ob v linkes oder rechtes Kind von w ist, ist R als Rechts- bzw. Links-Rotation um w zu wählen.
55 Aufgabe 21 Vorbetrachtungen: Für einen Knoten v auf Stufe i > 0 in einem binären Suchbaum T gibt es eine Rotation R, nach welcher sich der Knoten v auf Stufe i 1 befindet. Bezeichne w den Vaterknoten von v. Je nachdem, ob v linkes oder rechtes Kind von w ist, ist R als Rechts- bzw. Links-Rotation um w zu wählen. Durch Induktion folgt, dass jeder Knoten, der sich ursprünglich auf Stufe i befunden hat, durch eine Abfolge von i Rotationen auf Stufe 0 gebracht werden kann, also zur Wurzel des Baums gemacht werden kann.
56 Beweis: Aufgabe 21 Seien nun T 1 und T 2 wie in der Aufgabenstellung, wobei x der Schlüssel in der Wurzel von T 2 sei.
57 Beweis: Aufgabe 21 Seien nun T 1 und T 2 wie in der Aufgabenstellung, wobei x der Schlüssel in der Wurzel von T 2 sei. Gemäß Vorbetrachtung kann der Knoten v, der den Schlüssel x im Baum T 1 enthält, durch eine endliche Abfolge von Rotationen zur Wurzel des Baum gemacht werden.
58 Beweis: Aufgabe 21 Seien nun T 1 und T 2 wie in der Aufgabenstellung, wobei x der Schlüssel in der Wurzel von T 2 sei. Gemäß Vorbetrachtung kann der Knoten v, der den Schlüssel x im Baum T 1 enthält, durch eine endliche Abfolge von Rotationen zur Wurzel des Baum gemacht werden. Wenden wir diese Rotationsfolge auf T 1 an und nennen den resultierenden Baum T.
59 Beweis: Aufgabe 21 Seien nun T 1 und T 2 wie in der Aufgabenstellung, wobei x der Schlüssel in der Wurzel von T 2 sei. Gemäß Vorbetrachtung kann der Knoten v, der den Schlüssel x im Baum T 1 enthält, durch eine endliche Abfolge von Rotationen zur Wurzel des Baum gemacht werden. Wenden wir diese Rotationsfolge auf T 1 an und nennen den resultierenden Baum T. Die Wurzel von T enthält den Schlüssel x.
60 Beweis: Aufgabe 21 Seien nun T 1 und T 2 wie in der Aufgabenstellung, wobei x der Schlüssel in der Wurzel von T 2 sei. Gemäß Vorbetrachtung kann der Knoten v, der den Schlüssel x im Baum T 1 enthält, durch eine endliche Abfolge von Rotationen zur Wurzel des Baum gemacht werden. Wenden wir diese Rotationsfolge auf T 1 an und nennen den resultierenden Baum T. Die Wurzel von T enthält den Schlüssel x. Dementsprechend enthält der linke Teilbaum von T dieselben Schlüssel wie der linke Teilbaum von T 2, nämlich genau diejenigen, die kleiner als x sind.
61 Aufgabe 21 Beweis: Entsprechend enthalten die rechten Teilbäume von T und T 2 beide genau die Schlüssel größer als x.
62 Aufgabe 21 Beweis: Entsprechend enthalten die rechten Teilbäume von T und T 2 beide genau die Schlüssel größer als x. Daher können wir nun die Vorbetrachtung separat auf den linken und den rechten Teilbaum anwenden und anschliessend auf deren Teilbäume und so weiter.
63 Aufgabe 21 Beweis: Entsprechend enthalten die rechten Teilbäume von T und T 2 beide genau die Schlüssel größer als x. Daher können wir nun die Vorbetrachtung separat auf den linken und den rechten Teilbaum anwenden und anschliessend auf deren Teilbäume und so weiter. Nach der i-ten solchen Rekursion ist der resultierende Baum auf den Stufen 0 bis i 1 gleich dem Baum T 2.
64 Aufgabe 21 Beweis: Entsprechend enthalten die rechten Teilbäume von T und T 2 beide genau die Schlüssel größer als x. Daher können wir nun die Vorbetrachtung separat auf den linken und den rechten Teilbaum anwenden und anschliessend auf deren Teilbäume und so weiter. Nach der i-ten solchen Rekursion ist der resultierende Baum auf den Stufen 0 bis i 1 gleich dem Baum T 2. Daher sind maximal h(t 2 ) Rekursionen nötig, um T 2 aus T 1 durch Rotationen zu erzeugen.
65 Klausur , 17:15-18:45 Uhr, HS 8+9 Asymptotische Komplexität Master-Theorem Suchen Sortieren Bäume Hashing
66 Wiederholung Groß-Oh-Notation: bringt zum Ausdruck, dass eine Funktion f (n) höchstens so schnell wächst wie eine andere Funktion g(n). Definition: Funktion f (n) ist in der Menge O(g(n)), wenn es ein c > 0 und ein n 0 N gibt, so dass für alle n n 0 gilt: f (n) c g(n) Groß-Omega-Notation: f (n) wächst mindestens so schnell wie g(n).
67 Wiederholung
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
Algorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens [email protected] Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
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
Binäre Bäume Darstellung und Traversierung
Binäre Bäume Darstellung und Traversierung Name Frank Bollwig Matrikel-Nr. 2770085 E-Mail [email protected] Datum 15. November 2001 0. Vorbemerkungen... 3 1. Terminologie binärer Bäume... 4 2.
Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder
Programmieren in PASCAL Bäume 1 1. Baumstrukturen Eine Baumstruktur sei folgendermaßen definiert. Eine Baumstruktur mit Grundtyp Element ist entweder 1. die leere Struktur oder 2. ein Knoten vom Typ Element
Balancierte Bäume. Martin Wirsing. in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer. http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06
Balancierte Bäume Martin Wirsing in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer http://www.pst.ifi.lmu.de/lehre/ss06/infoii/ SS 06 2 Ziele AVL-Bäume als einen wichtigen Vertreter balancierter
4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
Idee: 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
Algorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik [email protected] Traversierung Durchlaufen eines Graphen, bei
9.4 Binäre Suchbäume. Xiaoyi Jiang Informatik II Datenstrukturen und Algorithmen
9.4 Binäre Suchbäume Erweiterung: Einfügen an der Wurzel Standardimplementierung: Der neue Schlüssel wird am Ende des Suchpfades angefügt (natürlich, weil zuerst festgestellt werden muss, ob der Schlüssel
Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.
6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente
Der linke Teilbaum von v enthält nur Schlüssel < key(v) und der rechte Teilbaum enthält nur Schlüssel > key(v)
Ein Baum T mit Knotengraden 2, dessen Knoten Schlüssel aus einer total geordneten Menge speichern, ist ein binärer Suchbaum (BST), wenn für jeden inneren Knoten v von T die Suchbaumeigenschaft gilt: Der
10. Kapitel (Teil1) BÄUME GRUNDLAGEN. Algorithmen & Datenstrukturen Prof. Dr. Wolfgang Schramm
10. Kapitel (Teil1) BÄUME GRUNDLAGEN Algrithmen & Datenstrukturen Prf. Dr. Wlfgang Schramm Übersicht 1 1. Einführung 2. Algrithmen 3. EigenschaCen vn Prgrammiersprachen 4. Algrithmenparadigmen 5. Suchen
Datenstruktur, die viele Operationen dynamischer Mengen unterstützt
Algorithmen und Datenstrukturen 265 10 Binäre Suchbäume Suchbäume Datenstruktur, die viele Operationen dynamischer Mengen unterstützt Kann als Wörterbuch, aber auch zu mehr eingesetzt werden (Prioritätsschlange)
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
Kapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
Kap. 4.2: Binäre Suchbäume
Kap. 4.2: Binäre Suchbäume Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 11. VO DAP2 SS 2009 26. Mai 2009 1 Zusätzliche Lernraumbetreuung Morteza Monemizadeh:
Tutorium Algorithmen & Datenstrukturen
June 16, 2010 Binärer Baum Binärer Baum enthält keine Knoten (NIL) besteht aus drei disjunkten Knotenmengen: einem Wurzelknoten, einem binären Baum als linken Unterbaum und einem binären Baum als rechten
Programmiertechnik II
Bäume Symboltabellen Suche nach Werten (items), die unter einem Schlüssel (key) gefunden werden können Bankkonten: Schlüssel ist Kontonummer Flugreservierung: Schlüssel ist Flugnummer, Reservierungsnummer,...
Name: Seite 2. Beantworten Sie die Fragen in den Aufgaben 1 und 2 mit einer kurzen, prägnanten Antwort.
Name: Seite 2 Beantworten Sie die Fragen in den Aufgaben 1 und 2 mit einer kurzen, prägnanten Antwort. Aufgabe 1 (8 Punkte) 1. Wie viele negative Zahlen (ohne 0) lassen sich im 4-Bit-Zweierkomplement darstellen?
368 4 Algorithmen und Datenstrukturen
Kap04.fm Seite 368 Dienstag, 7. September 2010 1:51 13 368 4 Algorithmen und Datenstrukturen Java-Klassen Die ist die Klasse Object, ein Pfeil von Klasse A nach Klasse B bedeutet Bextends A, d.h. B ist
Algorithmik II. a) Fügen Sie in einen anfangs leeren binären Baum die Schlüsselfolge 20, 28, 35, 31, 9, 4, 13, 17, 37, 25 ein.
Aufgabe 10 Binäre Bäume a) Fügen Sie in einen anfangs leeren binären Baum die Schlüsselfolge, 28, 35, 31, 9, 4,, 17, 37, 25 ein. 1. Einfügen von : 3. Einfugen von 35: 2. Einfügen von 28: 28 28 10. Einfügen
Datenstrukturen und Algorithmen
Datenstrukturen und Algorithmen VO 708.031 Bäume [email protected] 1 Inhalt der Vorlesung 1. Motivation, Einführung, Grundlagen 2. Algorithmische Grundprinzipien 3. Sortierverfahren 4. Halden
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
Algorithmen und Datenstrukturen Suchbaum
Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen
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
DATENSTRUKTUREN UND ZAHLENSYSTEME
DATENSTRUKTUREN UND ZAHLENSYSTEME RALF HINZE Institute of Information and Computing Sciences Utrecht University Email: [email protected] Homepage: http://www.cs.uu.nl/~ralf/ March, 2001 (Die Folien finden
t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany [email protected]. Stammbaum. Stammbaum. Stammbaum
lausthal Beispiele Stammbaum Informatik II. Zachmann lausthal University, ermany [email protected]. Zachmann Informatik - SS 06 Stammbaum Stammbaum / Parse tree, Rekursionsbaum Parse tree, Rekursionsbaum
AVL-Bäume Analyse. Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl:
AVL-Bäume Analyse (Folie 85, Seite 39 im Skript) Theorem Ein AVL-Baum der Höhe h besitzt zwischen F h und 2 h 1 viele Knoten. Definition Wir definieren die nte Fibonaccizahl: 0 falls n = 0 F n = 1 falls
Zeichnen von Graphen. graph drawing
Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =
Algorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
Folge 19 - Bäume. 19.1 Binärbäume - Allgemeines. Grundlagen: Ulrich Helmich: Informatik 2 mit BlueJ - Ein Kurs für die Stufe 12
Grundlagen: Folge 19 - Bäume 19.1 Binärbäume - Allgemeines Unter Bäumen versteht man in der Informatik Datenstrukturen, bei denen jedes Element mindestens zwei Nachfolger hat. Bereits in der Folge 17 haben
KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN
KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN RALF HINZE Institut für Informatik III Universität Bonn Email: [email protected] Homepage: http://www.informatik.uni-bonn.de/~ralf Februar, 2001 Binäre Suchbäume
RWTH Aachen, Lehrstuhl für Informatik IX Kapitel 3: Suchen in Mengen - Datenstrukturen und Algorithmen - 51
RWTH Aacen, Lerstul für Informatik IX Kapitel 3: Sucen in Mengen - Datenstrukturen und Algoritmen - 51 Sucbäume Biser betractete Algoritmen für Suce in Mengen Sortierte Arrays A B C D - Nur sinnvoll für
Tutoren Simon Andermatt Lukas Beck. Alexis Peter Thomas Ritter
UNIVERSITÄT BASEL Dozent Prof. Dr. Thomas Vetter Departement Informatik Assistenten Brian Amberg Andreas Forster Tutoren Simon Andermatt Lukas Beck Webseite http://informatik.unibas.ch/lehre/hs10/cs101/index.html
Tutoren Jan Ebbe Pat Mächler Valentino Rugolo Sascha Scherrer. Grundlagen der Programmierung (CS101) - Blatt 8 Theorie [4 Punkte] - Praxis [12 Punkte]
UNIVERSITÄT BASEL Dozent Prof. Dr. Thomas Vetter Departement Informatik Bernoullistrasse 16 CH 4056 Basel Assistenten Bernhard Egger Andreas Forster Tutoren Jan Ebbe Pat Mächler Valentino Rugolo Sascha
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
Grundlagen 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)
Kap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis
Kap. 4.4: B-Bäume Kap. 4.5: Dictionaries in der Praxis Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 13./14. VO DAP2 SS 2009 2./4. Juni 2009 1 2. Übungstest
ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK
ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Bearbeitungszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,
Informatik II. PVK Part1 Severin Wischmann [email protected] n.ethz.ch/~wiseveri
Informatik II PVK Part1 Severin Wischmann [email protected] n.ethz.ch/~wiseveri KAUM JAVA Kaum Java Viel Zeit wird für Java-spezifisches Wissen benützt Wenig wichtig für Prüfung Letztjähriger Assistent
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
Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
Binäre Suchbäume. Ein Leitprogramm von Timur Erdag und Björn Steffen
Binäre Suchbäume Ein Leitprogramm von Timur Erdag und Björn Steffen Inhalt: Bäume gehören zu den bedeutendsten Datenstrukturen in der Informatik. Dieses Leitprogramm gibt eine Einführung in dieses Thema
Kurs 1613 Einführung in die imperative Programmierung
Aufgabe 1 Gegeben sei die Prozedur BubbleSort: procedure BubbleSort(var iofeld:tfeld); { var hilf:integer; i:tindex; j:tindex; vertauscht:boolean; i:=1; repeat vertauscht := false; for j := 1 to N - i
Kapitel 9 Suchalgorithmen
Kapitel 9 Suchalgorithmen Technische Universität München Suchverfahren: Verfahren, das in einem Suchraum nach Mustern oder Objekten mit bestimmten Eigenschaften sucht. Vielfältige Anwendungsbereiche für
13. Binäre Suchbäume
1. Binäre Suchbäume Binäre Suchbäume realiesieren Wörterbücher. Sie unterstützen die Operationen 1. Einfügen (Insert) 2. Entfernen (Delete). Suchen (Search) 4. Maximum/Minimum-Suche 5. Vorgänger (Predecessor),
Datenstrukturen. Mariano Zelke. Sommersemester 2012
Datenstrukturen Mariano Zelke Sommersemester 2012 Mathematische Grundlagen: Das Handwerkszeug Mariano Zelke Datenstrukturen 2/26 Formeln: n - i = n (n+1) 2 und - i=1 k i=0 a i = ak+1 1 a 1, falls a 1 Rechnen
3 Implementieren von Bäumen 5 3.1 Feldbäume... 5 3.2 Sequentielle Verfahren... 5 3.3 Dynamische Struktur... 6
Kompaktübersicht Bäume Diese Übersicht entstand im Wintersemester 2003/04 parallel zur Vorlesung Grundzüge der Informatik III an der Technischen Universität Darmstadt (TUD) und soll die behandelten Aspekte
Suchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 245, Seite 63 im Skript) 3 7 21 10 17 31 49 28 14 35 24 42 38 Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die
Suchbäume. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Suchbäume Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-13-14/infoeinf WS13/14 Action required now 1. Smartphone: installiere die App "socrative
Unterrichtsvorhaben Q2- I:
Schulinterner Lehrplan Informatik Sekundarstufe II Q2 III. Qualifikationsphase Q2 Unterrichtsvorhaben Q2- I: Im ersten Halbjahr 1 Klausur, im 2. Halbjahr ein Projekt. Die Länge der Klausur beträgt 90 min.
Informatik 11 Kapitel 2 - Rekursive Datenstrukturen
Fachschaft Informatik Informatik 11 Kapitel 2 - Rekursive Datenstrukturen Michael Steinhuber König-Karlmann-Gymnasium Altötting 15. Januar 2016 Folie 1/77 Inhaltsverzeichnis I 1 Datenstruktur Schlange
Programmierung und Modellierung
Programmierung und Modellierung Terme, Suchbäume und Pattern Matching Martin Wirsing in Zusammenarbeit mit Moritz Hammer SS 2009 2 Inhalt Kap. 7 Benutzerdefinierte Datentypen 7. Binärer Suchbaum 8. Anwendung:
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
Name:... Vorname:... Matrikel-Nr.:... Unterschrift:...
Studiengang Bachelor of Computer Science Modulprüfung Praktische Informatik 1 Wintersemester 2010 / 2011 Name:... Vorname:... Matrikel-Nr.:... Unterschrift:... Hinweise: 1.) Schreiben Sie Ihren Namen und
1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert
Inhalt Einführung 1. Arrays 1. Array unsortiert 2. Array sortiert 3. Heap 2. Listen 1. Einfach verkettete Liste unsortiert 2. Einfach verkettete Liste sortiert 3. Doppelt verkettete Liste sortiert 3. Bäume
Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (20 Graphen) T. Lauer
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (20 Graphen) T. Lauer 1 Motivation Wie komme ich am besten von Freiburg nach Ulm? Was ist die kürzeste Rundreise durch eine gegebene Menge von Städten?
Nachtrag zu binären Suchbäumen
Nachtrag zu binären Suchbäumen (nicht notwendigerweise zu AVL Bäumen) Löschen 1 3 2 10 4 12 1. Fall: Der zu löschende Knoten ist ein Blatt: einfach löschen 2. Fall: Der zu löschende Knoten hat ein Nachfolgeelement
Algorithmen und Datenstrukturen SS09
Foliensatz 8 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 29 TU Ilmenau Seite / 54 Binärbäume TU Ilmenau Seite 2 / 54 Binäre Bäume Bäume und speziell
Unterscheidung: Workflowsystem vs. Informationssystem
1. Vorwort 1.1. Gemeinsamkeiten Unterscheidung: Workflowsystem vs. Die Überschneidungsfläche zwischen Workflowsystem und ist die Domäne, also dass es darum geht, Varianten eines Dokuments schrittweise
15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
Suchen und Sortieren
(Folie 69, Seite 36 im Skript) 5 6 1 4 Als assoziatives Array geeignet Schlüssel aus geordneter Menge Linke Kinder kleiner, rechte Kinder größer als Elternknoten Externe und interne Knoten Externe Knoten
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.
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
Bäume und Wälder. Bäume und Wälder 1 / 37
Bäume und Wälder Bäume und Wälder 1 / 37 Bäume Ein (ungerichteter) Baum ist ein ungerichteter Graph G = (V, E), der zusammenhängend ist und keine Kreise enthält. Diese Graphen sind Bäume: Diese aber nicht:
6-1 A. Schwill Grundlagen der Programmierung II SS 2005
6-1 A. Schwill Grundlagen der Programmierung II SS 25 6. Suchen Suchen = Tätigkeit, in einem vorgegebenen Datenbestand alle Objekte zu ermitteln, die eine best. Bedingung, das Suchkriterium, erfüllen und
3.2 Binäre Suche. Usr/local/www/ifi/fk/menschen/schmid/folien/infovk.ppt 1
3.2 Binäre Suche Beispiel 6.5.1: Intervallschachtelung (oder binäre Suche) (Hier ist n die Anzahl der Elemente im Feld!) Ein Feld A: array (1..n) of Integer sei gegeben. Das Feld sei sortiert, d.h.: A(i)
EndTermTest PROGALGO WS1516 A
EndTermTest PROGALGO WS1516 A 14.1.2016 Name:................. UID:.................. PC-Nr:................ Beachten Sie: Lesen Sie erst die Angaben aufmerksam, genau und vollständig. Die Verwendung von
6. Algorithmen der Computer-Geometrie
6. Algorithmen der Computer-Geometrie 1. Einführung 2. Schnitt von zwei Strecken 3. Punkt-in-Polygon-Test 4. Schnitt orthogonaler Strecken 5. Punkteinschlussproblem Geo-Informationssysteme 146 6.1 Computer-Geometrie
Gegeben Zieladresse, finde Nachbarknoten, an den Paket zu senden ist ("Routing-Tabelle")
8 Digitalbäume, Tries,, Suffixbäume 8.0 Anwendungen Internet-outer egeben Zieladresse, finde Nachbarknoten, an den Paket zu senden ist ("outing-tabelle") 3 network addr Host id 00 0000 000 0 00 0 0000
Bäume in der Informatik
Bäume in der Informatik Ein Leitprogramm von Matthias Niklaus Inhalt und Lernziele: Bäume gehören in der Informatik zu den wichtigsten Datenstrukturen. Dieses Leitprogramm verschafft einen Einblick in
4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
6 Baumstrukturen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti
6 Baumstrukturen Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Beispiel: Hierarchisches File System 2
Vortrag. Suchverfahren der Künstlichen Intelligenz. Sven Schmidt (Technische Informatik)
Vortrag Suchverfahren der Künstlichen Intelligenz Sven Schmidt (Technische Informatik) Suchverfahren der Künstlichen Intelligenz Grundlagen Zustandsraumrepräsentation Generische Suche Bewertung von Suchstrategien
Einführung in die Informatik: Programmierung und Software-Entwicklung, WS 11/12. Kapitel 13. Bäume. Bäume
1 Kapitel 13 Ziele 2 Den Begriff des Baums in der Informatik kennenlernen als verkettete Datenstruktur repräsentieren können Rekursive Funktionen auf n verstehen und schreiben können Verschiedene Möglichkeiten
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
Branch-and-Bound. Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir
Effiziente Algorithmen Lösen NP-vollständiger Probleme 289 Branch-and-Bound Wir betrachten allgemein Probleme, deren Suchraum durch Bäume dargestellt werden kann. Innerhalb des Suchraums suchen wir 1.
Beispielblatt 2 186.813 VU Algorithmen und Datenstrukturen 1 VU 6.0
Beispielblatt 2 186.813 VU Algorithmen und Datenstrukturen 1 VU 6.0 25. September 2013 Aufgabe 1 Gegeben sei ein binärer Suchbaum mit Werten im Bereich von 1 bis 1001. In diesem Baum wird nach der Zahl
2. Lernen von Entscheidungsbäumen
2. Lernen von Entscheidungsbäumen Entscheidungsbäume 2. Lernen von Entscheidungsbäumen Gegeben sei eine Menge von Objekten, die durch Attribut/Wert- Paare beschrieben sind. Jedes Objekt kann einer Klasse
Bäume. Informatik B - Objektorientierte Programmierung in Java. Vorlesung 10: Collections 4. Inhalt. Bäume. Einführung. Bäume.
Universität Osnabrück 1 Bäume 3 - Objektorientierte Programmierung in Java Vorlesung 10: Collections 4 Einführung Bäume sind verallgemeinerte Listenstrukturen Lineare Liste Jedes Element hat höchstens
DAP2-Klausur 07.08.2004
DAP2-Klausur 07.08.2004 Vorname : Familienname: Ich studiere (Bitte markieren): Informatik/Inform. Lehramt/Inf.technik/Physik/ Mathe/Statistik/Sonstiges: Bitte beachten: Auf jedem Blatt Matrikelnummer
Binäre Suchbäume. 6. Binäre Suchbäume. Einfügen in binären Suchbäumen
6. Binäre Sucbäume Natürlice binäre Sucbäume - Begriffe und Definitionen - Grundoperationen: Einfügen, sequentielle Suce, direkte Suce, öscen - Bestimmung der mittleren Zugriffskosten Balancierte Binärbäume
Das Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Algorithmen und Datenstrukturen 1
Algorithmen und Datenstrukturen 1 5. Vorlesung Martin Middendorf / Peter F. Stadler Universität Leipzig Institut für Informatik [email protected] [email protected] Quick-Sort
Datenbankanwendung. Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern. Wintersemester 2014/15. [email protected]
Datenbankanwendung Wintersemester 2014/15 Prof. Dr.-Ing. Sebastian Michel TU Kaiserslautern [email protected] Wiederholung: Anfragegraph Anfragen dieses Typs können als Graph dargestellt werden: Der
Kryptologie und Kodierungstheorie
Kryptologie und Kodierungstheorie Alexander May Horst Görtz Institut für IT-Sicherheit Ruhr-Universität Bochum Lehrerfortbildung 17.01.2012 Kryptologie Verschlüsselung, Substitution, Permutation 1 / 18
Beispiel zu Datenstrukturen
zu Datenstrukturen Passend zum Kurs 01661 Version Juni 2008 Dieter Hoffmann Dipl.-Inform. Diese Kurshilfe zum Kurs Datenstrukuren I (Kursnummer 01661) bei Prof. Dr. Güting (Lehrgebiet Praktische Informatik
3. Entscheidungsbäume. Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002)
3. Entscheidungsbäume Verfahren zum Begriffslernen (Klassifikation) Beispiel: weiteres Beispiel: (aus Böhm 2003) (aus Morik 2002) (aus Wilhelm 2001) Beispiel: (aus Böhm 2003) Wann sind Entscheidungsbäume
Seminarausarbeitung Entwurf und Analyse von Datenstrukturen. Splay Trees. Mirco Lukas und Alexander Werthmann. Datum: 26.06.2013
Julius-Maximilians-Universität Würzburg Institut für Informatik Lehrstuhl für Informatik I Effiziente Algorithmen und wissensbasierte Systeme Seminarausarbeitung Entwurf und Analyse von Datenstrukturen
16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
Fully dynamic algorithms for the single source shortest path problem.
Fully dynamic algorithms for the single source shortest path problem. Michael Baur Wintersemester 2001/2002 Zusammenfassung Im folgenden Paper werde ich Algorithmen für das dynamische Kürzeste-Wege-Problem
Vorkurs Informatik WiSe 15/16
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 16.10.2015 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Suchen Binärsuche Binäre Suchbäume 16.10.2015 Dr. Werner
Wissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
2 Java: Bäume. 2.1 Implementierung von Bäumen. 2.2 Implementierung eines binären Suchbaums. 2.3 Traversierung von Bäumen
2 2 Java: Bäume 2.1 Implementierung von Bäumen 2.2 Implementierung eines binären Suchbaums 2.3 Traversierung von Bäumen 2.4 Implementierung von Heapsort 19 Teil II Java: Bäume Überblick Implementierung
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)
5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!
Wissensbasierte Systeme 5. Constraint Satisfaction Probleme
Wissensbasierte Systeme 5. Constraint Satisfaction Probleme Michael Beetz Vorlesung Wissensbasierte Systeme 1 Inhalt 5.1 Begriffe 5.2 Constraint Satisfaction in Linienbildern 5.3 Beispielanwendungen 5.4
