Graphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
|
|
- Manuela Grosse
- vor 6 Jahren
- Abrufe
Transkript
1 Graphen
2 Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2
3 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur, die eine Menge von Objekten zusammen mit den zwischen diesen Objekten bestehenden Verbindungen repräsentiert. Die mathematischen Abstraktionen der Objekte werden dabei Knoten (auch Ecken) des Graphen genannt. Die paarweisen Verbindungen zwischen Knoten heißen Kanten (manchmal auch Bögen). Die Kanten können gerichtet oder ungerichtet sein. Häufig werden Graphen anschaulich gezeichnet, indem die Knoten durch Punkte und die Kanten durch Linien dargestellt werden. 3
4 Was sind also Graphen? Strukturen, gebildet aus einer endlichen Anzahl von Knoten (verteces), die durch Kanten (edges) verbunden sein können. 4
5 Anwendung von Graphen 5 Viele reale Probleme lassen sich durch Graphen darstellen und somit auf graphentheoretische Fragestellungen zurückführen Georg Cantor, 1867: In der Mathematik ist die Kunst des Fragestellens öfter gebräuchlich als die des Lösens! Verkehrswege zwischen Städten kürzeste Wege Transportwege mit Kapazitäten maximale Flüsse Zugmöglichkeiten in Spielen Gewinnstrategien
6 Anwendung von Graphen 6 In der Graphentheorie interessieren uns ausschließlich die Beziehungen zwischen den Knoten (deren Topologie). Topologie (topos Ort, Platz, logos Lehre, Wissen) Die Lehre von den Eigenschaften von Räumen, die bei Abbildungen, die die Lagebeziehungen zwischen den Elementen des Raumes erhalten, unverändert bleiben (Verzerrungen, die nicht zum Zerreißen führen).
7 Einschub Topologie Beispiel U-Bahn Karte 7
8 Graphen; Grundlagen Einschub Topologie Eine Kaffeetasse und ein Donut haben die gleiche Topologie. 8
9 Einschub Topologie In der (mengentheoretischen) Topologie untersucht man für jedes Element die Teilmengen, die man als die Umgebungen dieses Elements definiert hat. Hierbei spielt der Abstand der Elemente keine Rolle, ganz generell interessieren hierbei metrische Eigenschaften (wie Streckenlängen, Winkellängen, Krümmungen) in der Regel nicht. 9
10 Einschub Topologie Zwei topologisch äquivalente Graphen Man kann zum Beispiel die Knoten im rechten Graphen so bewegen, dass er genauso wie der linke aussieht. 10
11 Einschub Topologie Topologische Grundbegriffe: auf dem Rand, innen, außen, sich schneidend, geschlossen keine topologischen Grundbegriffe: eckig, rund, links, rechts, oben, unten, da sie z.b. bei Achsenspiegelungen nicht unverändert bleiben. 11
12 Anwendung von Graphen 12 In der Graphentheorie interessiert uns: Welcher Knoten ist mit welchen anderen verbunden? Komme ich über gegebene Verbindungen von einem Knoten zu einem anderen? Wie viele Verbindungen muss ich überqueren, um von einem Knoten zu einem anderen zu kommen? Welches ist der kürzeste Weg, um von einem Knoten zu einem anderen zu gelangen? Gibt es einen Weg der alle Knoten/Kanten genau einmal besucht?
13 Anwendung von Graphen Königsberger Brückenproblem: Kann man einen Spaziergang durch Königsberg machen und dabei über jede Brücke genau einmal gehen und nach dem Spaziergang wieder zum Ausgangspunkt zurückkehren? 13
14 Anwendung von Graphen Königsberger Brückenproblem vom Problem zum Graph und dem graphentheoretischen Problem. 14 Euler zeigte, dass ein Rundweg der gesuchten Art genau dann möglich ist, wenn sich an keinem der Ufer (Knoten) eine ungerade Zahl von Brücken (Kanten) befindet. Da aber zu allen vier Gebieten von Königsberg eine ungerade Zahl von Brücken führten, war der gesuchte Rundweg nicht möglich.
15 Anwendung von Graphen Das Haus vom Nikolaus: Entscheide, ob man das Haus zeichnen kann, ohne den Stift abzusetzen und ohne eine Linie doppelt zu ziehen. 15
16 Anwendung von Graphen Städtetour: Entscheide, ob man beginnend in einem Knoten (einer Stadt) alle Städte genau einmal bereisen kann und wieder in der ersten Stadt ankommt. 16
17 Einige spezielle Graphen Graphen dürfen in manchen Fällen auch Mehrfachkanten und Schleifen haben. Parallele Kanten Schleifen 17
18 Definition: Eine Schleife (oder Schlinge) ist eine Kante der Form {u, u}. u 18
19 Definition: Ist E eine Multimenge (d. h. Kanten treten mit Vielfachheit auf), dann sind die Kanten mit Vielfachheit 2 oder größer Mehrfachkanten. Ein Graph, der Mehrfachkanten enthält, heißt auch Multigraph. v 19 u
20 Einige spezielle Graphen Ein Graph heißt einfach, falls er keine Schlingen oder Mehrfachkanten enthält. 20
21 Vollständige Graphen In vollständigen Graphen K n sind alle n Knoten miteinander verbunden. K1 K2 K3 K4 K5 K6 Frage: Wieviele Kanten gibt es in einem vollständigen Graphen mit n Knoten. 21
22 Vollständige Graphen K1 K2 K3 K4 K5 K6 22 Für die Anzahl der Kanten in einem vollständigen Graphen mit n Knoten (und damit für die maximale Anzahl von Kanten in einem einfachen Graphen) gilt: E n 2 nn ( 1) 2
23 Kreise In Kreisen C n sind alle n (n 3) Knoten zyklisch miteinander verbunden. C3 C4 C5 C6 C7 C8 23
24 Ein Gittergraph besteht aus einem Gitter mit m Zeilen und n Spalten. 24
25 (fakultativ) (Binärer) Hyperwürfel 25 Definition: Ein Graph G = (V,E) heißt n-dimensionaler binärer Hyperwürfel (Q n ), falls V = V n = {0, 1} n mit E = {{v,w} V n2 : Hamming-Abstand(v,w) = 1}. Hamming-Distanz: Maß für die Unterschiedlichkeit von Zeichenketten - an wie vielen Stellen unterscheiden sich zwei Zeichenketten.
26 (fakultativ) (Binäre) Hyperwürfel 26
27 (fakultativ) Q 4 : 4-dimensionaler Hyperwürfel 27
28 (fakultativ) Q 8 : 8-dimensionaler Hyperwürfel 28
29 (fakultativ) Hyperwürfel Für die Anzahl der Knoten in Q n gilt: V = 2 n Für die Anzahl der Kanten in Q n gilt: n 2 E n n 2 2 n 1 29
30 Bipartite Graphen Der Graph kann in zwei Teile zerlegt werden, so dass alle Kanten zwischen diesen Teilen verlaufen. 30 V1 V2
31 Wege, Pfade, Kreise 31 Ein Weg der Länge k in einem Graphen G = (V,E) ist eine nichtleere Folge w = (v 0,,v k ) von Knoten aus V, so dass {v i,v i+1 } E für alle i = 0,,k-1. (Beachte: (v_0) ist ein Weg der Länge 0.) Ein Pfad in G ist ein Weg in G, in dem alle Knoten paarweise verschieden sind. Ein Kreis der Länge k (k 3) in G ist ein Weg w = (v 0,,v k ) in dem v 0,, v k-1 paarweise verschieden sind und v 0 = v k.
32 Pfade Definition: Der Graph P n ist der Graph (V,E) mit V = {v 1,,v n } und E = {v i, v i+1 }; i = 1,,n 1. 32
33 Wege und Pfade Beispiel: Ein Weg der Länge 7, der aber kein Pfad ist. 33
34 Wenn G = (V,E) ist, dann heißen u und v adjazent, wenn {u,v} E, heißen u und v Endknoten der Kante {u,v} E, heißen u V und e E inzident, wenn u Endknoten der Kante e ist, ist u V erreichbar von v V, falls es einen Pfad P mit Anfangsknoten v und Endknoten u gibt. 34
35 Wenn G = (V,E) ist, dann heißt G zusammenhängend, wenn er nur eine Komponente hat. 35
36 Darstellung von Graphen Neben der bisherigen Darstellung können Graphen in Form von Adjazenzmatrizen und Inzidenzmatrizen dargestellt werden. Bei Nummerierung der Ecken (u 1,,u n ) und Kanten (e 1,,e m ) ist die Adjazenzmatrix die n x n-matrix A mit Einträgen a ij 1 falls u u 0 sonst. i K 36
37 Darstellung von Graphen Neben der bisherigen Darstellung können Graphen in Form von Adjazenzmatrizen und Inzidenzmatrizen dargestellt werden. Adjazenz liegt dann vor, wenn zwei Knoten über eine Kante miteinander verbunden sind. Somit bezeichnet Adjazenz die Beziehungen zwischen gleichartigen Elementen eines Graphen. Ebenso ist Adjazenz bei in einem Knoten endenden Kanten gegeben. Inzidenz ist die Eigenschaft, gemeinsame Punkte zu besitzen, sie ist die Beziehung zwischen einer Geraden und einem auf ihr liegenden Punkt. k 37
38 Darstellung von Graphen Ajazenzmatrix 38
39 Darstellung von Graphen Inzidenzmatrix 39
40 Isomorphe Graphen sind in ihrer Struktur gleich. Graphen in den Spalten sind einander jeweils isomorph. 40
41 Isomorphe (strukturgleiche) Graphen 3 d 4 2 e c 0 1 Die Abbildung ist: a b c d e Die Graphen sind offensichtlich isomorph. a b 41
42 Isomorphe Graphen Sind die beiden folg. Graphen isomorph? Beachte die Gradfolgen (aufsteigend geordnete Folge der Knotengrade) der beiden Graphen. 42
43 Zusammenhängende Graphen Definition: Ein Graph G = (V,E) heißt zusammenhängend, wenn für jedes Paar von Knoten u,v V ein Pfad von u nach v in G existiert. Ansonsten heißt der Graph unzusammenhängend. 43
44 Zusammenhangskomponenten eines Graphen Beispiel: Ein Graph bestehend aus drei Zusammenhangskomponenten 44
45 Graphkomponenten Satz: Jeder Graph G = (V,E) enthält mindestens V - E viele Zusammenhangskomponenten. Anzahl der Knoten - Anzahl der Kanten Dies ist ein Graph mit 4 starken Zusammenhangskomponenten. In jeder solchen Komponente ist jeder Knoten von jedem anderen aus erreichbar; wird die Komponente verlassen, gibt es keinen Weg mehr zurück. 45
46 Graphkomponenten Satz: Für jeden zusammenhängenden Graph G = (V,E) 46 gilt: E V Kanten 7 Knoten -1 Beweis: Da ein zusammenhängender Graph aus genau einer Komponente besteht, folgt aus dem vorherigen Satz, dass V - E 1.
47 Bisher haben wir ausschließlich ungerichtete Graphen besprochen, d.h. die Kantenmenge besteht aus ungeordneten Paaren {u, v}. Ein gerichteter Graph ist ein Paar (V,E), bestehend aus einer Menge von Knoten und einer Menge gerichteter Kanten. 47
48 Gerichtete Graphen Ein gerichteter Pfad ist eine Folge von verschiedenen Knoten u 1,,u n mit u i u i+1 (d.h. es existiert eine gerichtete Kante von u i nach u i+1 ) für alle i. Ein gerichteter Kreis wird analog definiert. Ein Graph G, der keinen gerichteten Kreis enthält, heißt azyklisch. 48
49 Gerichtete Graphen Anwendung Prozessabhängigkeiten: Programm A benötigt Ergebnisse von B und C Programm B benötigt Ergebnisse von D und E Programm C benötigt Ergebnisse von B und D Programm D benötigt keine Ergebnisse Programm E benötigt Ergebnisse von A und C Frage: Funktioniert ein so konstruiertes Programm? 49
50 Gerichtete Graphen Anwendung Prozessabhängigkeiten Bei Darstellung als Graph erkennen wir einen Zyklus: A wartet auf B B wartet auf E E wartet auf A! 50
51 Gerichtete Graphen Azyklische gerichtete Graphen G spielen eine zentrale Rolle in Transportproblemen. G enthält immer spezielle Knoten, sog. Quellen, aus denen Kanten nur ausgehen, und sog. Senken, in die Kanten nur eingehen, da jeder azyklische Graph mindestens einen Knoten v mit d + (v) = 0 und mindestens einen Knoten w mit d (w) = 0 besitzt. In Transportproblemen wollen wir möglichst viel von den Quellen zu den Senken transportieren. 51
52 Beispiel dag (directed acyclic graph) 52
Algorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrGraphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007
Graphentheorie Rainer Schrader Organisatorisches Zentrum für Angewandte Informatik Köln 23. Oktober 2007 1 / 79 2 / 79 Organisatorisches Organisatorisches Dozent: Prof. Dr. Rainer Schrader Weyertal 80
MehrAlgorithmen 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
Mehrw 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
MehrGraphen: 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.
Mehr8 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
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrGraphentheorie Mathe-Club Klasse 5/6
Graphentheorie Mathe-Club Klasse 5/6 Thomas Krakow Rostock, den 26. April 2006 Inhaltsverzeichnis 1 Einleitung 3 2 Grundbegriffe und einfache Sätze über Graphen 5 2.1 Der Knotengrad.................................
MehrGraphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik
Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrKonzepte 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
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrExpander Graphen und Ihre Anwendungen
Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2007 4. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Traversierung Durchlaufen eines Graphen, bei
MehrAlgorithmische Methoden der Netzwerkanalyse
Algorithmische Methoden der Netzwerkanalyse Marco Gaertler 9. Dezember, 2008 1/ 15 Abstandszentralitäten 2/ 15 Distanzsummen auf Bäumen Lemma Sei T = (V, E) ein ungerichteter Baum und T s = (V S, E s )
MehrVorlesung 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?
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrGuten Morgen und Willkommen zur Saalübung!
Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei
Mehr5. Verschiedene Repräsentanten
5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und
MehrGraphen: 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.
MehrKürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik
Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus
MehrDiskrete Mathematik für Informatiker
Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrWintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung
Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.
MehrGliederung. 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
MehrKapitel 6: Graphalgorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrBäume 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 einfachen Kreise enthält. Bäume und Wälder 2 / 37 Bäume
MehrModelle und Statistiken
Kapitel 4 Modelle und Statistiken In letzter Zeit werden vermehrt Parameter (Gradfolgen, Kernzahlfolgen, etc.) empirischer Graphen (Internet, WWW, Proteine, etc.) berechnet und diskutiert. Insbesondere
MehrBäume 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:
Mehr16. 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
MehrPraktikum 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
MehrDie in den Suchverfahren konstruierten Graphen waren zusammenhängend und enthielten keine Kreise. Also vereinbaren wir:
Kapitel 4 Bäume und Matchings Wir haben im letzten Kapitel Bäume implizit als Ergebnis unserer Suchverfahren kennengelernt. In diesem Kapitel wollen wir diese Graphenklasse ausführlich untersuchen. 4.1
MehrEfficient Parallel Algorithms for Edge Coloring Problems H. Karloff, D. Shmoys Journal of Algorithms 8, 39-52 (1987)
Efficient Parallel Algorithms for Edge Coloring Problems H. Karloff, D. Shmoys Journal of Algorithms 8, 39-5 (1987) Ausarbeitung im Fach Parallele Algorithmen Dozent: Prof. Dr. Berrendorf Sommersemester
MehrEinführung in die Lineare und Kombinatorische Optimierung
Einführung in die Lineare und Kombinatorische Optimierung (Algorithmische Diskrete Mathematik I, kurz ADM I) Skriptum zur Vorlesung im WS 2012/2013 Prof. Dr. Martin Grötschel Institut für Mathematik Technische
Mehr6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne
6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten
MehrInformatik I WS 07/08 Tutorium 24
Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben
MehrVon optimaler Partnerwahl, minimalen Schnitten und maximalen Flüssen. Schülerwoche der Bonner Mathematik 2013
Von optimaler Partnerwahl, minimalen Schnitten und maximalen Flüssen Schülerwoche der Bonner Mathematik 203 3. September 203 Dr. Lisa Beck Hausdorff Center for Mathematics Universität Bonn Einleitung Ziel
Mehr4. Relationen. Beschreibung einer binären Relation
4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B
MehrStatistische Untersuchungen zu endlichen Funktionsgraphen
C# Projekt 1 Name: Statistische Untersuchungen zu endlichen Funktionsgraphen Aufgabe: Basierend auf dem Abschnitt 2.1.6. Random mappings, Kap.2, S 54-55, in [1] sollen zunächst für eine beliebige Funktion
Mehr1 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
MehrNetzwerkmodelle. Seminar Netzwerkanalyse. Sommersemester 2005 Jasmine Metzler
Netzwerkmodelle Seminar Netzwerkanalyse Sommersemester 2005 Jasmine Metzler 1 Grundlegende Modelle Das Graph Modell (G n,p ) Definition Verschiedene Modelle Small World Modell Lokale Suche Power Law Modelle
MehrMethoden der Netzwerkanalyse
Methoden der Netzwerkanalyse Skript zur Vorlesung Ulrik Brandes Sommersemester 005 (letzte Änderung:. August 006) Prolog Methoden der Netzwerkanalyse (Spezialvorlesung Algorithmen) [AKTIV: wo treten Netzwerke
MehrGrundlagen der Programmierung 2. Bäume
Grundlagen der Programmierung 2 Bäume Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 24. Mai 2006 Graphen Graph: Menge von Knoten undzugehörige (gerichtete oder ungerichtete)
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr1. 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 5. Hashing 6. Algorithmische Geometrie 4/5, olie 1 2014 Prof. Steffen Lange - HDa/bI
Mehr2.5. VERBINDUNGSNETZWERKE GESTALTUNGSKRITERIEN DER NETZWERKE TOPOLOGIE ALS GRAPH. Vorlesung 5 TOPOLOGIE: DEFINITIONEN : Sei G = (V, E) ein Graph mit:
Vorlesung 5.5. VERBINDUNGSNETZWERKE Kommunikation zwischen den einzelnen Komponenten eines arallelrechners wird i.d.r. über ein Netzwerk organisiert. Dabei unterscheidet man zwei Klassen der Rechner: TOOLOGIE:
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
Mehr5.2 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!
Mehr2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrAnmerkungen 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
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrFormale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrDer Golay-Code und das Leech-Gitter
Der Golay-Code und das Leech-Gitter Vortrag zum Seminar Gitter und Codes Nils Malte Pawelzik.5.5 Inhaltsverzeichnis Designs 3. Elementare Eigenschaften eines Designs und die Eindeutigkeit eines - (, 5,
MehrFormelsammlung Mathematische Grundlagen für die Informatik
Formelsammlung Mathematische Grundlagen für die Informatik Wolfgang Führer wolfgang.fuehrer@web.de August 2007 Inhaltsverzeichnis Lineare Algebra. Vektorräume.................................... Abelsche
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrKapitel 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:
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrBeispiele für Relationen
Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person
MehrProperty Testing in Graphen mit beschränktem Maximalgrad
Property Testing in Graphen mit beschränktem Maximalgrad Björn Schümann Seminar Graphentheorie und Kombinatorik WS 2007-08 Inhaltsverzeichnis 1 Einleitung 2 2 Allgemeine Aussagen zum Property Testing 3
MehrProf. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik P E T R I N E T Z E. Vorlesungsskript
Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik P E T R I N E T Z E Vorlesungsskript Magdeburg, Oktober 2008 Januar 2009 Vorwort Petri-Netze gehören zu den meist
MehrUntersuchung und Bewertung von Tearing-Algorithmen. zur Erlangung des akademischen Grades Diplomingenieur (Dipl. -Ing.)
Fakultät Maschinenwesen Institut für Verarbeitungsmaschinen und Mobile Arbeitsmaschinen Professur für Baumaschinen- und Fördertechnik Prof. Dr.-Ing. habil. Günter Kunze Untersuchung und Bewertung von Tearing-Algorithmen
MehrZeichnen 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 =
MehrDefinition eines Spiels
Definition eines piels 1. Einleitung 1.1 Einführung: Die mathematische pieltheorie beschäftigt sich nicht nur mit der Beschreibung und Analyse von pielen im üblichen inn, sondern allgemein mit Konfliktsituationen
MehrGraphentheorie. Graphen sind Modelle für Netzwerke.
Graphentheorie GraphensindModellefürNetzwerke. HierhabeicheinekleineÜbersichtzusammengestellt,worumesbeidemThemageht. DieBeispielesindzunächstganzeinfachundkleingewählt.Mankannabergutsehen, wieschnelldieaufgaben
MehrInformatik 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
MehrDuplikatfilterung und Sampling von Webseiten
Duplikatfilterung und Sampling von Webseiten Seminar Suchmaschinen, Wintersemester 2007/2008 Martin Sauerhoff Lehrstuhl 2, Universität Dortmund Übersicht 1. Duplikatfilterung: 1.1 Gleichheitstest mit Fingerabdrücken
MehrSteinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering
Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas
MehrDynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206
Kapitel 4 Dynamische Optimierung Peter Becker (H-BRS) Operations Research II Wintersemester 2014/15 160 / 206 Inhalt Inhalt 4 Dynamische Optimierung Allgemeiner Ansatz und Beispiele Stochastische dynamische
MehrProjekt AGB-10 Fremdprojektanalyse
Projekt AGB-10 Fremdprojektanalyse 17. Mai 2010 1 Inhaltsverzeichnis 1 Allgemeines 3 2 Produktübersicht 3 3 Grundsätzliche Struktur und Entwurfsprinzipien für das Gesamtsystem 3 3.1 Die Prefuse Library...............................
MehrCodes und Codegitter. Katharina Distler. 27. April 2015
Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung
MehrVorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz
Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)
MehrBabeș-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
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrVorlesung 3 MINIMALE SPANNBÄUME
Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrPeriodische Fahrpläne und Kreise in Graphen
Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf
MehrErzeugung zufälliger Graphen und Bayes-Netze
Erzeugung zufälliger Graphen und Bayes-Netze Proseminar Algorithmen auf Graphen Georg Lukas, IF2000 2002-07-09 E-Mail: georg@op-co.de Folien: http://op-co.de/bayes/ Gliederung 1. Einleitung 2. einfache
Mehr368 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
MehrProf. Dr.-Ing. Firoz Kaderali Prof. Dr. rer. nat. Werner Poguntke. Graphen, Algorithmen und Netze
Prof. Dr.-Ing. Firoz Kaderali Prof. Dr. rer. nat. Werner Poguntke Graphen, Algorithmen und Netze Das Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere das Recht der Vervielfältigung
MehrAus Knoten und Kanten, die Bezeichnungen haben können. Ein Graph, bei dem die Kanten Richtungen haben.
ormale Methoden der Informatik WS 2/2 Lehrstuhl für atenbanken und Künstliche Intelligenz ProfrrJRadermacher H Ünver T Rehfeld J ollinger 3 ufgabenblatt esprechung in den Tutorien vom 72 (ab Übungstermin)
MehrInstitut für Informatik. Rheinische Friedrich-Wilhelms-Universität Bonn
Institut für Informatik Rheinische Friedrich-Wilhelms-Universität Bonn Hauptseminar: Schnelle Parallele Algorithmen Leitung: Prof. Dr. M. Karpinksi, P. Wegner, M. Hauptmann Sommersemester 2000 Ausarbeitung
Mehr4 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
MehrEine mathematische Reise ins Unendliche. Peter Koepke Universität Bonn
Eine mathematische Reise ins Unendliche Peter Koepke Universität Bonn Treffen sich die Schienen im Unendlichen? Gibt es unendlich ferne Punkte? Gibt es unendliche Zahlen? 1 Antwort: Nein! , so prostestire
Mehr12. Modelle für 3D-Objekte und -Szenen
12. Modelle für 3D-Objekte und -Szenen Modell: Abbild der Realität, welches bestimmte Aspekte der Realität repräsentiert (und andere ausblendet) mathematische Modelle symbolische Modelle Datenmodelle Experimentalmodelle
MehrErzeugung von positiv definiten Matrizen mit Nebenbedingungen zur Validierung von Netzwerkalgorithmen für Microarray-Daten
Erzeugung von positiv definiten Matrizen mit Nebenbedingungen zur Validierung von Netzwerkalgorithmen für Microarray-Daten Markus Ruschhaupt Dissertation an der Fakultät für Mathematik, Informatik und
MehrGraphen. Seminar Bioinformatik. Franziska Schwabe. 3. Juli 2009. Fakultät Statistik TU Dortmund 1 / 45
Graphen Seminar Bioinformatik Franziska Schwabe Fakultät Statistik TU Dortmund 3. Juli 2009 1 / 45 Gliederung 1 Graphentheorie Denitionen Spezielle Graphen Algorithmen 2 Das Paket graph Das Paket RBGL
MehrEntscheidungsbäume. 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
Mehr5 Relationen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti
Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Allgemeine Definition einer Relation Eine n-stellige Relation
MehrKnickminimierung in Orthogonalen Zeichnungen fast-planarer Graphen mit fester Topologie
Knickminimierung in Orthogonalen Zeichnungen fast-planarer Graphen mit fester Topologie Diplomarbeit von Robert Jungblut An der Fakultät für Informatik Institut für theoretische Informatik Erstgutachter:
MehrTeil II. Schaltfunktionen
Teil II Schaltfunktionen 1 Teil II.1 Zahlendarstellung 2 b-adische Systeme Sei b IN mit b > 1 und E b = {0, 1,..., b 1} (Alphabet). Dann ist jede Fixpunktzahl z (mit n Vorkomma und k Nachkommastellen)
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrVorlesung Theoretische Informatik
Vorlesung Theoretische Informatik Automaten und Formale Sprachen Hochschule Reutlingen Fakultät für Informatik Masterstudiengang Wirtschaftsinformatik überarbeitet von F. Laux (Stand: 09.06.2010) Sommersemester
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrOhne Mathematik undenkbar!
Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als
MehrGibt es verschiedene Arten unendlich? Dieter Wolke
Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen
MehrDer Approximationsalgorithmus von Christofides
Der Approximationsalgorithms on Christofides Problem: Traeling Salesman Inpt: Ein Graph G = (V, E) mit einer Distanzfnktion d : E Q 0. Afgabe: Finde eine Tor, die alle Knoten des Graphen G gena einmal
Mehr