10. Übungsblatt zu Algorithmen I im SoSe 2016
|
|
- Anneliese Friedrich
- vor 6 Jahren
- Abrufe
Transkript
1 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. r. ennis ofheinz Lukas arth, Lisa Kohl 0. Übungsblatt zu lgorithmen I im SoSe 0 {lisa.kohl,lukas.barth}@kit.edu ufgabe (Minimale Spannbäume, Punkte) Musterlösungen a) Markieren Sie in dem folgenden raphen einen Schnitt, mit dem das ewicht des eingezeichneten Spannbaums reduziert werden kann oder zeigen Sie, dass ein solcher Schnitt nicht existiert. (inweis: eben Sie in letzterem all nicht alle möglichen Schnitte an, sondern überlegen Sie eine geeignete Vorgehensweise.) b) Markieren Sie im folgenden raphen einen Kreis, der die Kreiseigenschaft minimaler Spannbäume verletzt oder zeigen Sie, dass so ein Kreis nicht existiert. (inweis: eben Sie in letzterem all nicht alle möglichen Kreise an, sondern überlegen Sie eine geeignete Vorgehensweise.)
2 c) Sei ein ungerichteter zusammenhängender raph mit positiven Kantengewichten. eweisen oder widerlegen Sie durch ein egenbeispiel, dass der minimale Spannbaum von eindeutig ist, wenn alle Kantengewichte in paarweise verschieden sind. d) Sei wieder ein ungerichteter zusammenhängender raph mit positiven Kantengewichten. eweisen oder widerlegen Sie die Umkehrung von c). In anderen Worten, beweisen oder widerlegen Sie durch ein egenbeispiel, dass alle Kantengewichte in paarweise verschieden sind, wenn der minimale Spannbaum eindeutig ist. Musterlösung: a) ie schwerste Kante im eingezeichneten Spannbaum hat ewicht, für eine mögliche ewichtsreduzierung müssen dager nur Kanten mit kleinerem ewicht betrachtet werden, nämlich die Kanten (, ), (, ) und (, ). Wir müssen nun zeigen, dass für jeden Schnitt, der eine dieser Kanten enthält, eine weitere Kante Schnittkante ist, die gleiches oder kleineres ewicht hat und bereits Teil des minimalen Spannbaums ist. araus folgt, dass die Schnitteigenschaft für alle möglichen Schnitte erfüllt ist und damit der Spannbaum minimal. Wir bezeichnen im olgenden mit V die Knotenmenge {,,,,,,, }. Sei S V ein Schnitt, zu dem (, ) eine Schnittkante ist und ohne eschränkung der llgemeinheit S (und damit V \S). alls S, dann ist (, ) eine Schnittkante von ewicht und Teil des minimalen Spannbaums. ilt andernfalls / S, dann ist (, ) eine Schnittkante von ewicht des minimalen Spannbaums. Sei nun ein Schnitt S gegeben, zu dem (, ) eine Schnittkante ist und ohne eschränkung der llgemeinheit S (und damit V \S). ann können wir analog zu unseren obigen Überlegungen zeigen, dass entweder die Kante (, ) oder die Kante (, ) eine weitere Schnittkante sein muss, die höchstens ewicht hat. Sei schließlich S ein Schnitt, zu dem (, ) eine Schnittkante ist und ohne eschränkung der llgemeinheit S (und damit V \S). ann tritt immer einer der folgenden älle ein: i.) S : (, ) ist Schnittkante von ewicht ii.) / S S : (, ) ist Schnittkante von ewicht iii.) / S : (, ) ist Schnittkante von ewicht b) uf dem eingezeichneten Kreis ist die schwerste Kante und trotzdem Teil des Spannbaums. amit ist die Kreiseigenschaft verletzt und der Spannbaum nicht minimal. c) In der Vorlesung wurde bewiesen, dass die leichteste Kante eines Schnittes für einen minimalen Spannbaum verwendet werden kann. Wenn die Kantengewichte paarweise verschieden sind, ist die leichteste Kante eines Schnittes jeweils eindeutig und damit insbesondere auch der minimale Spannbaum.
3 usführlicher: Sei = (V, ) ein ungerichteter zusammenhängender raph mit ewichtsfunktion c: R und paarweise verschiedenen Kantengewichten. Wir beweisen die ehauptung durch einen Widerspruchsbeweis. nnahme: s gibt minimale Spannbäume T, T mit T T. a die Spannbäume verschieden sind und die Kanten paarweise verschiedenes ewicht haben existiert genau eine minimale Kante e = {u, v}, die in genau einem der beiden Spannbäume vorkommt. Wir nehmen ohne eschränkung der llgemeinheit an, dass e T \T gilt. Wir betrachten nun := T {e}. a T ein aufspannender aum ist, enthält einen Kreis K. Nach Wahl von e sind alle Kanten mit kleinerem ewicht entweder in keinem oder in beiden der Spannbäume T und T enthalten. Wenn e die schwerste Kante auf dem Kreis K wäre, dann würde damit T einen Kreis enthalten. Sei e also eine Kante auf K mit c(e ) > c(e). ann kann T durch rsetzen von e durch e zu einem Spannbaum mit echt kleinerem ewicht gemacht werden, was der Minimalität widerspricht. amit ist die indeutigkeit bewiesen. d) Im folgenden raphen sind die Kanten nicht paarweise verschieden, der minimale Spannbaum aber eindeutig: ufgabe (Jarník-Prims und Kruskals lgorithmus, Punkte) erechnen Sie je einen Minimum Spanning Tree (MST) des angegebenen raphen mit dem lgorithmus von Jarník-Prim und dem lgorithmus von Kruskal. eben Sie jeweils die Kanten des MST in der Reihenfolge an, in der sie der lgorithmus auswählt. Verwenden Sie Knoten als Startknoten von Jarník-Prim und wählen Sie in beiden lgorithmen bei gleichen Kantengewichten diejenige Kanten mit alphabetisch kleinstem ndknoten aus.
4 Musterlösung: ie Reihenfolgen, in denen die Kanten ausgewählt werden, sind: Jarník-Prim {, }, {, }, {, }, {, }, {, }, {, }, {, } Kruskal {, }, {, }, {, }, {, }, {, }, {, }, {, } ufgabe (Zweitminimalste Spannbäume, Punkte) Sei = (V, ) mit V ein ungerichteter zusammenhängender raph mit positiven Kantengewichten c(e) R >0. Wir betrachten nun zweitminimalste Spannbäume. Sei T ein minimaler Spannbaum. ann ist ein zweitminimalster Spannbaum definiert als ein aufspannender aum T T für den e T c(e) minimal wird. (alls es mehrere minimale Spannbäume gibt, ist also ein zweitminimalster Spannbaum auch ein minimaler Spannbaum.) a) eweisen oder widerlegen Sie durch ein egenbeispiel, dass der zweitminimalste Spannbaum von eindeutig ist, wenn alle Kantengewichte in paarweise verschieden sind. b) Sei T ein minimaler Spannbaum von. eweisen Sie, dass es Kanten {u, v} T und {x, y} / T gibt, sodass (T {u, v}) + {x, y} ein zweitminimalster Spannbaum von ist. c) Sei T ein beliebiger Spannbaum von und und für zwei Knoten u, v V sei max[u, v] die Kante mit maximalem ewicht auf dem eindeutigen Pfad zwischen u und v in T. eschreiben Sie einen O ( V ) -lgorithmus, der gegeben T für alle u, v den Wert max[u, v] berechnet und beweisen Sie die Laufzeit. d) eben Sie einen effizienten lgorithmus, der den zweitminimalsten Spannbaum von berechnet. egründen Sie die Korrektheit Ihres lgorithmus. Musterlösung: In der ufgabenstellung und Musterlösung wurde die Schreibweise in die für ungerichtete raphen üblichen Mengenschreibweise umgeändert. ußerdem schreiben wir zur besseren Übersichtlichkeit T + {u, v} statt T {{u, v}} und T {u, v} statt T \{{u, v}}. a) Siehe bbildung für ein egenbeispiel: ie beiden abgebildeten zweitminimalsten Spannbäume sind unterschiedlich, haben aber dasselbe ewicht.
5 b) iese ufgabe lösen wir mit einer allunterscheidung: Zunächst unter der nnahme, dass der minimale Spannbaum eindeutig ist, und dann unter der nnahme, dass es mehrere minimale Spannbäume gibt. nnahme: MST ist eindeutig Sei T ein zweitminimalster Spannbaum, und sei {u, v} eine Kante in T, die nicht in T enthalten ist. ann enthält T + {u, v} insgesamt V Kanten, und somit einen Kreis. a T keinen Kreis enthält, muss eine Kante auf diesem Kreis nicht in T enthalten sein. iese Kante sei {x, y}. s muss nun gelten, dass c({x, y}) > c({u, v}), denn ansonsten könnten wir {u, v} in T durch {x, y} ersetzen und einen nicht schwereren Spannbaum als T erhalten, was der nnahme, dass T der eindeutige leichteste Spannbaum in ist, widerspricht. Sei nun T = (T {x, y}) + {u, v}. a c({x, y}) > c({u, v}) gilt, ist T leichter als T, und somit muss (nach der efinition des zweitminimalsten Spannbaums T ) T ein minimaler Spannbaum sein. T und T unterscheiden sich nur in einer Kante. leichzeitig ist der minimale Spannbaum eindeutig, damit gilt T = T, und die ehauptung ist gezeigt. nnahme: MST ist nicht eindeutig In diesem all gilt ja, dass zu einem MST T jeder andere MST ein zweitminimalster Spannbaum ist. Wir müssen also zeigen, dass unter der nnahme von nicht-eindeutigen Spannbäumen zu jedem MST T ein MST T existiert, der sich nur in einer Kante von T unterscheidet. Sei T ein beliebiger, von T verschiedener MST. ann enthält T mindestens eine Kante {u, v}, die T nicht enthält. Wir betrachten nun T + {u, v}: s ist klar, dass die zusätzliche Kante einen Kreis schließt. Sei dieser Kreis e, e,... e k mit e k = {u, v}. Wir können nun zeigen, dass alle e i das gleiche ewicht haben müssen: Zunächst ist klar, dass max ei (c(e i )) c({u, v}) gelten muss: äbe es auf dem Kreis eine Kante, die schwerer als {u, v} ist, so ließe sich diese gegen {u, v} austauschen, und damit hätten wir einen Spannbaum, der leichter als T ist, gefunden. leichzeitig muss aber auch c({u, v}) max ei (c(e i )) gelten, da ansonsten {u, v} die eindeutig schwerste Kante auf einem Kreis in wäre, und mittels Kreiseigenschaft niemals zu einem MST gehörten könnte. Wenn also alle Kanten auf dem Kreis mindestens so schwer wie {u, v} sein müssen, gleichzeitig {u, v} maximal so schwer wie die schwerste Kante auf dem Kreis sein kann, so müssen alle Kanten e i gleichschwer sein. amit können wir uns nun eine beliebige Kante {x, y} {u, v} des Kreises aussuchen und entfernen. Wir erhalten einen Spannbaum, der genauso schwer ist wie T (also ein minimaler Spannbaum ist) und sich von T nur durch inzufügen von {u, v} und ntfernen von {x, y} unterscheidet. c) ür jeden Knoten v starten wir eine S (oder eine S) auf T, die also nur die Kanten von T benutzt. ei jedem besuchten Knoten u setzen wir dabei max[u, v] auf das maximale Kantengewicht, dass wir auf dem Pfad von v nach u bisher gesehen haben. ine S hat laut Vorlesung Laufzeit O( V + ). Wir betrachten nur den Spannbaum, für diesen gilt = V, und damit ist die Laufzeit für eine S in O( V ). Wir benötigen insgesamt V solcher Suchen, und damit esamtlaufzeit O ( V ). d) er lgorithmus geht wie folgt vor: Zunächst finden wir einen minimalen Spannbaum T. ann finden wir eine Kante {x, y} T, die c({x, y}) c(max[x, y]) minimiert, wobei max[x, y] berechnet wird wie in ufgabenteil c. er gesuchte zweitminimalste Spannbaum ist dann (T max[x, y]) + {x, y}. er lgorithmus ist korrekt, weil c({x, y}) c(max[x, y]) gerade das ewicht ist, dass der aum mindestens zusätzlich erhält, wenn man {x, y} in den aum aufnimmt und dafür eine andere Kante aus dem aum entfernt. Laut ufgabenteil b) lässt sich aber genau auf diese rt immer ein zweitminimalster Spannbaum konstruieren.
6 0 (a) raph = (V, ) 0 (b) Minimaler Spannbaum, ewicht 0 0 (c) Zweitminimalster Spannbaum, ewicht 0 (d) Zweitminimalster Spannbaum, ewicht bbildung : egenbeispiel für ufgabe a
Zusammenfassung des 2. Abends
lgorithmen in der iologie r. Hans-Joachim öckenhauer r. ennis Komm Zusammenfassung des. bends Zürich, 0. pril 0 lignment-verfahren Für einen Überblick über die lignment-lgorithmen zur estimmung der Ähnlichkeit
Mehr3. Musterlösung. Problem 1: Boruvka MST
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines
MehrTutoraufgabe 1 (Floyd-Warshall):
für Informatik Prof. aa r. Ir. Joost-Pieter Katoen atenstrukturen und lgorithmen SS hristian ehnert, Friedrich Gretz, enjamin Kaminski, Thomas Ströder Tutoraufgabe (Floyd-Warshall): etrachten Sie den folgenden
Mehr1.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
MehrWege, 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
MehrAlgorithmen 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.
Mehr4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1
Allgemeines. Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition.. (a) Ein Graph G =(V, E) heißt kreisfrei, wenn er keinen Kreis besitzt. Beispiel: Ein kreisfreier Graph: FG KTuEA, TU Ilmenau
MehrAufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.
Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
Mehr3. 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),
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 22. Januar 2014 ZÜ DS ZÜ XIII
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)
WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 25. Januar 2012 ZÜ DS ZÜ XIII
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
MehrGrundlagen: 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
MehrMinimal spannende Bäume
http://www.uni-magdeburg.de/harbich/ Minimal spannende Fakultät für Informatik Otto-von-Guericke-Universität 2 Inhalt Definition Wege Untergraphen Kantengewichtete Graphen Minimal spannende Algorithmen
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
MehrFormale Systeme, WS 2010/2011 Lösungen zum Übungsblatt 1
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. r. B. Beckert Thorsten Bormer Formale Systeme, WS 2/2 Lösungen zum Übungsblatt ieses Blatt wurde in der Übung am 29..2 besprochen.
MehrDas Steinerbaumproblem
Das Steinerbaumproblem Natalie Richert Fakultät für Elektrotechnik, Informatik und Mathematik, Universität Paderborn 4. Februar 008 / 3 Überblick Problembeschreibung Vorstellung von zwei Approimationsalgorithmen
Mehr3.1 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
Mehr5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 5. Musterlösung Problem : Vitale Kanten * In einem Netzwerk (D = (V, E); s, t; c) mit Maximalfluß f heißen Kanten e
Mehr9 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
MehrTechnische 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
MehrZentralübung zur Vorlesung Diskrete Strukturen
WS 2010/11 Zentralübung zur Vorlesung Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/uebung/ 2. Februar 2011 ZÜ DS ZÜ XIII 1. Übungsbetrieb:
MehrWie 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
Mehr3. Musterlösung. Problem 1: Heapsort
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 3. Musterlösung Problem : Heapsort ** 2 3 4 5 Algorithmus : Heapsort (A) Eingabe : Array A der Länge n Ausgabe : Aufsteigend
MehrTheoretische Informatik 1
Theoretische Informatik 1 Approximierbarkeit David Kappel Institut für Grundlagen der Informationsverarbeitung Technische Universität Graz 10.06.2016 Übersicht Das Problem des Handelsreisenden TSP EUCLIDEAN-TSP
MehrDiskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 2007/08 Lösungsblatt 9
Mehr\ E) eines Graphen G = (V, E) besitzt die gleiche Knotenmenge V und hat als Kantenmenge alle Kanten des vollständigen Graphen ohne die Kantenmenge E.
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 )
MehrApproximationsalgorithmen für NP-harte Optimierungsprobleme
Approximationsalgorithmen für NP-harte Optimierungsprobleme Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 1 / 18 Was tun mit NP-harten Problemen? Viele praxisrelevante
Mehr1 Kürzeste Pfade in Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 03.11.2011 1 1 Kürzeste Pfade in Graphen Es sei ein gerichteter Graph G = (V, E) mit V = n Knoten, E = m Kanten und Kantengewichten c : E R gegeben. Ein Pfad in G
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
Mehr9. Übungsblatt zu Algorithmen I im SoSe 2016
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Dennis Hofheinz Lukas Barth, Lisa Kohl 9. Übungsblatt zu Algorithmen I im SoSe 06 https//crypto.iti.kit.edu/index.php?id=algo-sose6
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
MehrGraphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 14. November 2007 1 / 22 2 / 22 Gliederung eulersche und semi-eulersche Graphen Charakterisierung eulerscher Graphen Berechnung eines
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 10 Suche in Graphen Version vom 13. Dezember 2016 1 / 2 Vorlesung 2016 / 2017 2 /
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08
MehrDiskrete Mathematik 1
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt
Mehr11. 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
MehrErinnerung VL
Erinnerung VL 7.06.016 Bellman-Ford-Algorithmus (Brute-Force-Suche) Varianten des Kürzeste-Wege-Problems (azyklische Graphen) Ausblick: Routenplanung in Straÿennetzwerken Motivation Minimale Spannbäume
MehrWie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung
Wie findet man den optimalen Weg zum Ziel? Klassische Probleme der Kombinatorischen Optimierung Teilnehmer/innen: Markus Dahinten, Graf Münster Gymnasium Bayreuth Robert Fay, Herder Gymnasium Berlin Falko
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
Mehr10. 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
MehrDatenstrukturen 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
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Minimale aufspannende Bäume und Matchings Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 22. Mai 2011 Outline Minimale aufspannende
MehrDrei Vorlesungen über Bäume
Bäume. Einleitung Drei Vorlesungen über Bäume Jens Vygen Nehmen wir einmal an, für einen neuen Zug wollen wir ein komplett neues Schienennetz bauen, das einige Städte miteinander verbindet. Oder ein neues
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrAlgorithmische Graphentheorie
Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES
MehrKap. 6.5: Minimale Spannbäume
Kap. 6.5: Minimale Spannbäume Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 19./20. VO DAP2 SS 2009 30.6./2.7.2009 1 Anmeldung zur Klausur 31.07.2009 um 10:15
MehrEffiziente Algorithmen I
H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug
MehrDank. 1 Ableitungsbäume. 2 Umformung von Grammatiken. 3 Normalformen. 4 Pumping-Lemma für kontextfreie Sprachen. 5 Pushdown-Automaten (PDAs)
ank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert iese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
MehrGraphentheorie. Zusammenhang. Zusammenhang. Zusammenhang. Rainer Schrader. 13. November 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 13. November 2007 1 / 84 2 / 84 Gliederung stest und Schnittkanten älder und Bäume minimal aufspannende Bäume Der Satz von Menger 2-zusammenhängende
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Bäume)
WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrName:... Vorname:... Matr.-Nr.:... Studiengang:...
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Netzwerkalgorithmen 16.07.2013 Name:.....................................
Mehr1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010
. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/200 Lösung! Beachten Sie: Bringen Sie den Aufkleber mit Ihrem Namen und Matrikelnummer auf diesem Deckblatt an und beschriften Sie jedes Aufgabenblatt
Mehr3. Winkelsätze und der Kongruenzsatz (WWS).
3. Winkelsätze und der Kongruenzsatz (WWS). Nachdem wir die beiden ersten Kongruenzsätze bewiesen haben, kommen wir zum ritten Kongruenzsatz (WWS). r ist der am schwersten zu beweisende. Um ihn zu beweisen,
MehrKapitel 5: Minimale spannende Bäume Gliederung der Vorlesung
Gliederung der Vorlesung 1. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen 3. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman Problem. Flüsse in Netzwerken
MehrAufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1
Lösungen zu den Übungsaufgaben im Kapitel 4 des Lehrbuches Operations Research Deterministische Modelle und Methoden von Stephan Dempe und Heiner Schreier Aufgabe 1: Berechnen Sie für den in Abbildung
MehrBeispiellösungen zu Blatt 3
µathematischer κorrespondenz- zirkel ufgabe 1 eispiellösungen zu latt 3 Mathematisches Institut Georg-ugust-Universität Göttingen Statistiken besagen, dass unter 1000 Menschen 35 zu hohen lutdruck haben.
Mehr1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen
Programm heute lgorithmen und atenstrukturen (für T/IT) Sommersemester 0 r. Tobias Lasser omputer ided Medical Procedures Technische Universität München inführung rundlagen von lgorithmen rundlagen von
MehrDas Heiratsproblem. Definition Matching
Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung
MehrBäume und Wälder. Definition 1
Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt
Mehr11. 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
MehrDas Problem des Handlungsreisenden
Seite 1 Das Problem des Handlungsreisenden Abbildung 1: Alle möglichen Rundreisen für 4 Städte Das TSP-Problem tritt in der Praxis in vielen Anwendungen als Teilproblem auf. Hierzu gehören z.b. Optimierungsprobleme
Mehrvoid bellford ( List adjlst [n], int n, int i, int j){ int d[n] = + inf ; d[i] = 0;
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Datenstrukturen und Algorithmen SS5 hristian Dehnert, Friedrich Gretz, enjamin Kaminski, Thomas Ströder Tutoraufgabe (ellman-ford Algorithmus): a) Passen
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der
Mehr4. Parallelität ohne Metrik
4. Parallelität ohne Metrik In der Euklidischen Geometrie wird nicht gemessen. as hat zwei Gründe. Erstens, gab es bei den Griechen noch kein entwickeltes Stellenwertsystem. Zweitens, haben sie ja schon
MehrDefinition 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
MehrAlgorithmen und Datenstrukturen
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
MehrBerechnung 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
MehrBemerkung: Der vollständige Graph K n hat n(n 1)
Bemerkung: Der vollständige Graph K n hat n(n 1) 2 Kanten. Bew: Abzählen! Definition 111. Graphen mit n paarweise zyklisch verbundenen Kanten heißen Kreise (vom Grad n) und werden mit C n bezeichnet. Beispiel
MehrErinnerung VL
Erinnerung VL 22.06.2016 Dijkstra: Implementierung, Laufzeit Heute: Negative Kantengewichte (Bellman-Ford) Weitere Variationen (azyklische Graphen) Ausblick: Routenplanung in Straÿennetzwerken Abschluss
MehrFreie Bäume und Wälder
(Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese
MehrBreitensuche BFS (Breadth First Search)
Breitensuche BFS (Breadth First Search) Algorithmus BREITENSUCHE EINGABE: G = (V, E) als Adjazenzliste, Startknoten s V 1 Für alle v V 1 If (v = s) then d[v] 0 else d[v] ; 2 pred[v] nil; 2 Q new Queue;
MehrS=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
Mehr9. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (1) Darstellung Traversierung Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 441 Generalisierung von Bäumen Verallgemeinerung (von Listen zu Graphen)
MehrMinimal spannende Bäume
Minimal spannende Bäume Ronny Harbich 4. Mai 006 (geändert 19. August 006) Vorwort Ich danke Patrick Bahr und meinem Bruder Steffen Harbich für die Unterstützung bei dieser Arbeit. Sie haben sowohl zu
MehrLösungsvorschläge Aufgaben 14.1, 14.3, 14.4
Lösungsvorschläge ufgaben.,.,. ufgabe. Wir starten mit dem gegebenen Graphen, dessen Restgraph beim Nullfluss ϕ 0 dem ingabenetzwerk entspricht. ktueller Fluss: Restgraph: 0/ 0/ 0/ 0/ 0/5 0/ 0/ 0/8 5 8
MehrDas Rucksackproblem. Definition Sprache Rucksack. Satz
Das Rucksackproblem Definition Sprache Rucksack Gegeben sind n Gegenstände mit Gewichten W = {w 1,...,w n } N und Profiten P = {p 1,...,p n } N. Seien ferner b, k N. RUCKSACK:= {(W, P, b, k) I [n] : i
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TEHNISHE UNIVERSITÄT MÜNHEN Zentrum Mathematik Prof. Dr. Dr. Jürgen Richter-Gebert, Martin von Gagern Geometriekalküle WS 00/ Lösungen u ufgabenblatt (0. Oktober 00) Präsenaufgaben ufgabe. Dualität. Gegeben
MehrTutoraufgabe 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
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
MehrLösungen zu Kapitel 5
Lösungen zu Kapitel 5 Lösung zu Aufgabe : (a) Es gibt derartige Graphen: (b) Offensichtlich besitzen 0 der Graphen einen solchen Teilgraphen. Lösung zu Aufgabe : Es sei G = (V, E) zusammenhängend und V
MehrMinimale 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
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
MehrTutoraufgabe 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
MehrSeminar. Das Steinerbaumproblem
Seminar Das Steinerbaumproblem Philipp Gillitzer Matrikelnr.: 51829 Studiengang Informatik(IT-Sicherheit) Semester 6 Hochschule Aalen Wintersemester 16/17 1 Inhaltsverzeichnis 1 Einleitung 3 2 Grundlagen
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide Dipl-Math. Wolfgang Kinzner 3.4.2012 Kapitel 3: Minimal aufspannende Bäume und Matroide Minimal aufspannende
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 11: Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/59 Graphische Darstellung von Zusammenhängen schon
Mehr1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006
1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006 Hier Aufkleber mit Name und Matrikelnummer anbringen Vorname: Nachname: Matrikelnummer: Beachten Sie: Bringen Sie den Aufkleber mit
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 DFS-Bäume in ungerichteten Graphen
Praktikum Algorithmen-Entwurf (Teil 3) 06.11.2006 1 1 DFS-Bäume in ungerichteten Graphen Sei ein ungerichteter, zusammenhängender Graph G = (V, E) gegeben. Sei ferner ein Startknoten s V ausgewählt. Startet
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
Mehr