Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition

Größe: px
Ab Seite anzeigen:

Download "Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition"

Transkript

1 Heute Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben (Teil ) Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Markus Völker 04. Juli 0 (Version ) INSTITUT FÜR THEORETISCHE INFORMATIK -LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) Kapazität & Scheduling Interferenz etwas realistischer neue Probleme und Herangehensweisen VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft Erinnerung: MAC-Layer Erinnerung: Färbungen Übertragungen können nicht beliebig parallel stattfinden Interferenzen naher Übertragungen verhindert erfolgreiches Dekodieren Lösung : CSMA/CA Spontane Benutzung des Mediums, aber vorsichtig Warten auf freien Kanal, Anfragen beim Empfänger Übliche Lösung, kostet aber Energie (Kollisionen, Mithören) Lösung : TDMA/CDMA/FDMA feste Zuweisung von Zeiten/Codierung/Frequenzen an Sender/Übertragungen gleiche Ressource immer nur so genutzt, dass es keine Konflikte geben sollte (Noch) wenig populär in WSN Definition Eine Knotenfärbung eines Graphen G =(V, E) ist eine Abbildung c : V! N, so dass für jede Kante die beiden Endpunkte unterschiedliche Farben haben, also {u, v} E ) c(u) 6= c(v) Eine Färbung c hat die Größe c = max vv c(v) darauf lassen sich allgemeinere Färbungsprobleme reduzieren es gibt immer eine + -Färbung in jeder schlechteren Färbung kann man die Farbe eines Knotens herabsetzen das ging auch verteilt, aber bisher nur langsam VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (4/7)

2 Satz Beweisstruktur Satz Es gibt einen verteilten Algorithmus, der eine O( + log (n)) Schritten berechnet. + -Färbung in log (n): Anzahl der Anwendungen von log, bevor das Argument unter fällt. (Bsp.: log (050 )=5) Andere Möglichkeit sich das zu merken: log (x) =5, < x apple Beweisstruktur es gibt einen Algorithmus, der in einem Baum in log (n) Schritten eine 6-Färbung berechnet es gibt einen Algorithmus, der in einem Baum in k Runden eine Färbung mit + k Farben auf Farben reduziert beide Verfahren funktionieren auch auf Pseudo-Wäldern jeder Graph läßt sich in konstanter Zeit verteilt in Pseudo-Wälder zerlegen Färbungen mit je Farben lassen sich in + Farben reduzieren Runden auf VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (6/7) schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7)

3 schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) bit = val = schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) bit = 0 b val = VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7)

4 schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) Korrektheit Baum-6-Färbung schreibe Label binär in log n Bits Setze L = log n (aktuelle Labellänge) Solange L > und dann noch einmal: kodiere dessen Position in log setze L = log (L)+ (neue Labellänge) Satz Der beschriebene Algorithmus berechnet eine 6-Färbung. Nach jeder Runde liegt eine Färbung des Baumes vor Annahme: zwei Knoten haben nach einer Runde dasselbe Label dann haben sie beide dasselbe Bit ausgewählt und hatten dort vorher denselben Wert stehen aber das Kind sollte Bit wählen, in dem es sich vom Vorgänger unterscheidet! Widerspruch! Die Färbung enthält zum Schluss maximal 6 Farben L ist immer aktuelle Labellänge sobald L apple wird noch eine Runde ausgeführt. dann reichen die drei Beschreibungen 00, 0, 0 für die Position dann gibt es nur noch die Labels 000, 00, 00, 0, 00, 0 VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (8/7)

5 Laufzeit Baum-6-Färbung Satz Der beschriebene Algorithmus terminiert nach O(log (n)) Schritten. Das werden wir nicht beweisen. Grobe Vorstellung: in jeder Runde wird die Labellänge von L auf log (L)+ gedrückt ohne das + wäre die Aussage klar ein bisschen Formelschieberei löst das Problem (bei Interesse an den Details: siehe Buch) Kompression von 6 auf Farben im Baum Baum-(+k)-zu--Färbung Für i =( + k),...,4 tue folgendes: 4 4 Das war schon Teil : Wir können einen Baum in O(log (n)) Schritten mit 6 Farben färben! VL 0 Eine kurze Geschichte vom Färben (Teil ) (9/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (0/7) Kompression von 6 auf Farben im Baum Baum-(+k)-zu--Färbung Für i =( + k),...,4 tue folgendes: jeder Knoten nimmt die Farbe seines Vorgängers an ( shift down ) Wurzel nimmt neue Farbe aus {,, } 4 Kompression von 6 auf Farben im Baum Baum-(+k)-zu--Färbung Für i =( + k),...,4 tue folgendes: jeder Knoten nimmt die Farbe seines Vorgängers an ( shift down ) Wurzel nimmt neue Farbe aus {,, } VL 0 Eine kurze Geschichte vom Färben (Teil ) (0/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (0/7)

6 Kompression von 6 auf Farben im Baum Baum-(+k)-zu--Färbung Für i =( + k),...,4 tue folgendes: jeder Knoten nimmt die Farbe seines Vorgängers an ( shift down ) Wurzel nimmt neue Farbe aus {,, } jeder Knoten mit Farbe i wählt Farbe aus {,, }, die kein Nachbar hat Kompression von 6 auf Farben im Baum Baum-(+k)-zu--Färbung Für i =( + k),...,4 tue folgendes: jeder Knoten nimmt die Farbe seines Vorgängers an ( shift down ) Wurzel nimmt neue Farbe aus {,, } jeder Knoten mit Farbe i wählt Farbe aus {,, }, die kein Nachbar hat Korrektheit: nach einem Shift hat jeder Knoten die Farbe seines Vorgängers, und seine Kinder seine alte Farbe das ist eine Färbung! jeder Knoten sieht nur benachbarte Farben in jeder Runde werden wir Farbe i los! nach k Runden je Schritte haben wir noch Farben! VL 0 Eine kurze Geschichte vom Färben (Teil ) (0/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (0/7) Pseudo-Wälder (klingt schlimmer als es ist) Definition Pseudo-Wald Ein gerichteter Graph heißt Pseudo-Wald, wenn jeder Knoten höchstens eine ausgehende Kante hat. Satz jeder Knoten zeigt auf maximal einen Vorgänger Vorsicht: Graph kann gerichtete Kreise enthalten Die Dreifärbung von Pseudo-Wäldern funktioniert exakt wie bei Bäumen. Beweise gehen exakt wie vorher, nur gibt es ggf. mehrere Knoten ohne Vorgänger Definition Eine eines Graphen G ist eine Menge von Pseudo-Wäldern F,...,F, so dass jede Kante von G in mindestens einem F i vorkommt (in beliebiger Richtung). VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7)

7 Definition Eine eines Graphen G ist eine Menge von Pseudo-Wäldern F,...,F, so dass jede Kante von G in mindestens einem F i vorkommt (in beliebiger Richtung). Definition Eine eines Graphen G ist eine Menge von Pseudo-Wäldern F,...,F, so dass jede Kante von G in mindestens einem F i vorkommt (in beliebiger Richtung). VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) Verteilte Verteilte Verteilte Dekomposition, Runde i =,..., Verteilte Dekomposition, Runde i =,..., VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7)

8 Verteilte Verteilte Dekomposition, Runde i =,..., Verteilte Verteilte Dekomposition, Runde i =,..., VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) Verteilte Verteilte Verteilte Dekomposition, Runde i =,..., Verteilte Dekomposition, Runde i =,..., VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7)

9 Verteilte Verteilte Dekomposition, Runde i =,..., Verteilte Verteilte Dekomposition, Runde i =,..., nach Runden (oder früher) sind alle Kanten markiert VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) Verteilte Wo stehen wir? Verteilte Dekomposition, Runde i =,..., nach Runden (oder früher) sind alle Kanten markiert in jeder Runde wird ein Pseudo-Wald gewählt Wir können den Graphen in einem Schritt in Pseudo-Wälder dekomponieren Wir können Bäume und Pseudo-Wälder verteilt mit Farben einfärben erst färben wir in log (n) Runden mit konstant vielen Schritten 6-farbig, dann reduzieren wir die Farben in Runden mit konstant vielen Schritten auf ) Wir können in O(log (n)) Schritten jeden der Pseudo-Wälder dreifärben das kann in allen Pseudowäldern parallel geschehen was fangen wir mit -Färbungen für die Pseudo-Wälder an? Wir wollen eine + -Färbung des Graphen! VL 0 Eine kurze Geschichte vom Färben (Teil ) (/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (4/7)

10 und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7)

11 und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7)

12 und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: 4 Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: 5 VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: 6 Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7)

13 und warten eine Färbung mit + Farben! und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat R: Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat 4 R: VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) Wo stehen wir jetzt? und warten eine Färbung mit + Farben! Wir beginnen mit F und dessen Farben das ist eine + -Färbung von F i die -Färbung von F j und die + -Färbung von F [ [ F j ergeben ( + ) Mischfarben (, 0),...,(, + ) in ( + ) Runden können immer Knoten mit {, + } wählen, die keiner der Nachbarn hat das sind = Runden zum Zusammenführen 4 R: 5 Wir können den Graphen in einem Schritt in Pseudo-Wälder dekomponieren Wir können Bäume und Pseudo-Wälder verteilt mit Farben einfärben erst färben wir in log (n) Runden mit konstant vielen Schritten 6-farbig, dann reduzieren wir die Farben in Runden mit konstant vielen Schritten auf ) Wir können in O(log (n)) Schritten jeden der Pseudo-Wälder dreifärben das kann ja in allen Pseudowäldern parallel geschehen wir können aus den -Färbungen für die Pseudowälder in O( ) Schritten eine + -Färbung des eigentlichen Graphen gewinnen! wir sind fertig, Laufzeit insgesamt: O( + log n) VL 0 Eine kurze Geschichte vom Färben (Teil ) (5/7) VL 0 Eine kurze Geschichte vom Färben (Teil ) (6/7)

14 Zusammenfassung Färbungen sind ein leichtes Mittel, um gegenseitige Ausschlüsse zu modellieren Knoten dürfen nicht gleichzeitig senden oder Kanten dürfen nicht gleichtzeitig aktiv sein das lässt sich immer auf Knotenfärbungen reduzieren wir haben einen schnellen und verteilten Algorithmus für + -Färbungen kennengelernt! VL 0 Eine kurze Geschichte vom Färben (Teil ) (7/7)

Motivation Algorithmen für Ad-hoc- und Sensornetze. Ad-hoc-Lösung: CSMA/CA. VL 10 Eine kurze Geschichte vom Färben

Motivation Algorithmen für Ad-hoc- und Sensornetze. Ad-hoc-Lösung: CSMA/CA. VL 10 Eine kurze Geschichte vom Färben Motivation Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben Dr. rer. nat. Bastian Katz. Juli 009 (Version vom. Juli 009) Kommunikation im drahtlosen Kanal ist nicht beliebig

Mehr

Algorithmen für Ad-hoc- und Sensornetze VL 10 Eine kurze Geschichte vom Färben

Algorithmen für Ad-hoc- und Sensornetze VL 10 Eine kurze Geschichte vom Färben Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben Dr. rer. nat. Bastian Katz. Juli 2009 (Version 3 vom 3. Juli 2009) Motivation Kommunikation im drahtlosen Kanal ist nicht beliebig

Mehr

Algorithmen für Ad-hoc- und Sensornetze

Algorithmen für Ad-hoc- und Sensornetze Algorithmen für Ad-hoc- und Sensornetze VL 0 Kapazität, Scheduling und Färbungen Fabian Fuchs 0. Dez. 05 (Version ) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität

Mehr

Algorithmen für Ad-hoc- und Sensornetze

Algorithmen für Ad-hoc- und Sensornetze Algorithmen für Ad-hoc- und Sensornetze Übung 6 Kommunikation und Färbungen im SINR Modell (basierend auf VL11) Fabian Fuchs 17. Jan. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR

Mehr

Algorithmen für Ad-hoc- und Sensornetze

Algorithmen für Ad-hoc- und Sensornetze Algorithmen für Ad-hoc- und Sensornetze VL 11 Kommunikation und Färbungen im SINR Modell Fabian Fuchs 17. Dez. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER)

Mehr

durch Einfügen von Knoten konstruiert werden kann.

durch Einfügen von Knoten konstruiert werden kann. Satz von Kuratowski Definition Unterteilung eines Graphen Sei G = (V, E) und e = {u, v} E. 1 Das Einfügen eines neuen Knoten w in die Kante e führt zum Graphen G = (V {w}, E \ e {{u, w}, {w, v}}). 2 Der

Mehr

Knotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E.

Knotenfärbung. Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Knotenfärbung Def.: Eine Knotenfärbung eines Graphen G=(V,E) mit k Farben ist eine Abbildung c:v {1,...,k}, so dass c(u) c(v) für alle {u,v} E. Die chromatische Zahl χ(g) eines Graphen G ist die minimale

Mehr

Algorithmen für Ad-hoc- und Sensornetze

Algorithmen für Ad-hoc- und Sensornetze Algorithmen für Ad-hoc- und Sensornetze Übung 2 Greedy Routing Fabian Fuchs 05. November 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) WS 2016/17 Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Algorithmen II Vorlesung am

Algorithmen 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

Mehr

Algorithmische Methoden zur Netzwerkanalyse

Algorithmische 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

Mehr

10. Übung Algorithmen I

10. Übung Algorithmen I INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Bäume

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Vorlesung 4: Suchstrategien Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 14. April 2017 HALBORDNUNG TOPOLOGISCHE ORDNUNG TOPOLOGISCHES

Mehr

Probleme aus NP und die polynomielle Reduktion

Probleme aus NP und die polynomielle Reduktion Probleme aus NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 15. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit

Mehr

Kürzeste-Wege-Algorithmen und Datenstrukturen

Kürzeste-Wege-Algorithmen und Datenstrukturen Kürzeste-Wege-Algorithmen und Datenstrukturen Institut für Informatik Universität zu Köln SS 2009 Teil 1 Inhaltsverzeichnis 1 Kürzeste Wege 2 1.1 Voraussetzungen................................ 2 1.2

Mehr

1 Kürzeste Pfade in Graphen

1 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

Mehr

Lernmodul 7 Algorithmus von Dijkstra

Lernmodul 7 Algorithmus von Dijkstra Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 01. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 01.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der

Mehr

Algorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions

Algorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions Algorithmen für Ad-hoc- und Sensornetze Nachtrag zu VL 06 Doubling Dimensions Dr. rer. nat. Bastian Katz 0. Juni 009 (Version vom. Juni 009) Von Kreisen, Kugeln und Bällen Definition In einem metrischen

Mehr

4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1

4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1 Allgemeines. Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition.. (a) Ein Graph G =(V, E) heißt kreisfrei, wenn er keinen Kreis besitzt. Beispiel: Ein kreisfreier Graph: FG KTuEA, TU Ilmenau

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische 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

Mehr

Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: Synchrone Kommunikation. Asynchrones Knotenmodell

Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: Synchrone Kommunikation. Asynchrones Knotenmodell Heute Algorithmen für Ad-hoc- und Sensornetze VL und Zeitsynchronisation Markus Völker 8. Juli 0 (Version ) INSTITUT FÜR THEORETISCHE INFORMATIK -LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) Was sind synchrone

Mehr

Graphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007

Graphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007 Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 17. Januar 2012 INSTITUT FÜR THEORETISCHE 0 KIT 18.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der

Mehr

Übungsblatt 2 - Lösung

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

Mehr

3. Musterlösung. Problem 1: Boruvka MST

3. 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

Mehr

1. Übung Algorithmen I

1. 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

Mehr

Algorithmen für Ad-hoc- und Sensornetze VL 11 Kapazität und Scheduling

Algorithmen für Ad-hoc- und Sensornetze VL 11 Kapazität und Scheduling Algorithmen für Ad-hoc- und Sensornetze VL 11 Kapazität und Scheduling Dr. rer. nat. Bastian Katz 8. Juli 2009 (Version 2 vom 13. Juli 2009) Motivation Wenn man Übertragungen optimal zeitlich plant, kann

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 7. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 07.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 20. November 2014 INSTITUT FÜR THEORETISCHE 0 KIT 20.11.2014 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der

Mehr

Bäume und Wälder. Definition 1

Bäume und Wälder. Definition 1 Bäume und Wälder Definition 1 Ein Baum ist ein zusammenhängender, kreisfreier Graph. Ein Wald ist ein Graph, dessen Zusammenhangskomponenten Bäume sind. Ein Knoten v eines Baums mit Grad deg(v) = 1 heißt

Mehr

Maximale s t-flüsse in Planaren Graphen

Maximale s t-flüsse in Planaren Graphen Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen 6. Juni 2017 Guido Brückner INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg

Mehr

Die Klasse NP und die polynomielle Reduktion

Die Klasse NP und die polynomielle Reduktion Die Klasse NP und die polynomielle Reduktion Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Dezember 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit

Mehr

Laufzeit. Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V 1, V 2 }) mit der Ford Fulkerson Methode.

Laufzeit. Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V 1, V 2 }) mit der Ford Fulkerson Methode. Effiziente Algorithmen Flußprobleme 81 Laufzeit Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V 1, V 2 }) mit der Ford Fulkerson Methode. Der Fluß ist höchstens f = min{ V 1, V 2 }.

Mehr

Algorithmische Methoden zur Netzwerkanalyse

Algorithmische Methoden zur Netzwerkanalyse Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik

Mehr

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben

Algorithmen und Datenstrukturen Tutorium Übungsaufgaben Algorithmen und Datenstrukturen Tutorium Übungsaufgaben AlgoDat - Übungsaufgaben 1 1 Landau-Notation Aufgabe Lösung 2 Rekurrenzen Aufgabe 3 Algorithmenentwurf und -analyse Aufgabe AlgoDat - Übungsaufgaben

Mehr

Algorithmen in Online-Systemen

Algorithmen in Online-Systemen Kurzvortrag - Lehrstuhl Algorithmik I - Prof. Dr. Wagner 1 Florian Drews, Richard Hertel: KIT Universität des Landes Baden-Württemberg und nationales Grossforschungszentrum in der Helmholtz-Gemeinschaft

Mehr

Informatik II: Algorithmen und Datenstrukturen SS 2015

Informatik II: Algorithmen und Datenstrukturen SS 2015 Informatik II: Algorithmen und Datenstrukturen SS 2015 Vorlesung 8b, Mittwoch, 17. Juni 2015 (Balancierte Suchbäume) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen Institut für Informatik

Mehr

2. Übung Algorithmen I

2. 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

Mehr

11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME

11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen 11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME Algorithmen und Datenstrukturen - Ma5hias Thimm (thimm@uni-koblenz.de) 1 Algorithmen und Datenstrukturen 11.1. BERECHNUNG MAXIMALER FLÜSSE

Mehr

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2017/18. Pro f. Dr. Sán do r Fe k e te Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2017/18 Pro f. Dr. Sán do r Fe k e te 1 Binärer Suchbaum Außerdem wichtig: Struktur der Schlüsselwerte! 2 Ordnungsstruktur Linker

Mehr

Algorithmen für Ad-hoc- und Sensornetze

Algorithmen für Ad-hoc- und Sensornetze Algorithmen für Ad-hoc- und Sensornetze VL 08 Data Gathering mit Network Coding Fabian Fuchs 26. Nov. 2015 (Version 2) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT

Mehr

Algorithmen & Komplexität

Algorithmen & Komplexität Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Kürzeste Pfade Problem Gegeben Netzwerk: Graph G = (V, E), Gewichtsfunktion w: E N Zwei Knoten: s, t Kantenzug/Weg

Mehr

Übung 5 Algorithmen II

Übung 5 Algorithmen II Michael Axtmann michael.axtmann@kit.edu http://algo.iti.kit.edu/algorithmenii_ws6.php - 0 Axtmann: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft

Mehr

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 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:

Mehr

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem... Inhaltsverzeichnis 4 Färbungen 41 4.1 Begriffe....................... 41 4.2 Komplexität..................... 42 4.3 Greedy-Algorithmus................ 42 4.4 Knotenreihenfolgen................. 43 4.5

Mehr

9. Übung Algorithmen I

9. 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

Mehr

Wie wird ein Graph dargestellt?

Wie wird ein Graph dargestellt? Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet

Mehr

Algorithmen für schwierige Probleme

Algorithmen für schwierige Probleme Algorithmen für schwierige Probleme Britta Dorn Wintersemester 2011/12 30. November 2011 Wiederholung Baumzerlegung G = (V, E) Eine Baumzerlegung von G ist ein Paar {X i i V T }, T, wobei T Baum mit Knotenmenge

Mehr

Wiederholung

Wiederholung Wiederholung Knotenfärbung von Graphen Chromatische Zahl χ(g) Beweis: Jeder planare Graph ist 5-färbbar Vierfarbensatz: Jeder planare Graph ist 4-färbbar. Kantenfärbung: χ (G) = (G) oder (G)+1 Matchings

Mehr

Algorithmen I. Prof. Jörn Müller-Quade Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?

Algorithmen I. Prof. Jörn Müller-Quade Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php? Algorithmen I Prof. Jörn Müller-Quade 19.6.1 Institut für Theoretische Informatik Web: https://crypto.iti.kit.edu/index.php?id=99 (Folien von Peter Sanders) KIT Institut für Theoretische Informatik 1 Organisatorisches

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Verteilte Systeme. Synchronisation II. Prof. Dr. Oliver Haase

Verteilte Systeme. Synchronisation II. Prof. Dr. Oliver Haase Verteilte Systeme Synchronisation II Prof. Dr. Oliver Haase 1 Überblick Synchronisation 1 Zeit in verteilten Systemen Verfahren zum gegenseitigen Ausschluss Synchronisation 2 Globale Zustände Wahlalgorithmen

Mehr

Diskrete Mathematik Graphentheorie (Übersicht)

Diskrete Mathematik Graphentheorie (Übersicht) Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die

Mehr

Berechenbarkeit und Komplexität: Polynomielle Reduktion / NP-Vollständigkeit / Satz von Cook und Levin

Berechenbarkeit und Komplexität: Polynomielle Reduktion / NP-Vollständigkeit / Satz von Cook und Levin Berechenbarkeit und Komplexität: Polynomielle Reduktion / NP-Vollständigkeit / Satz von Cook und Levin Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität 11. Januar 2008 Wiederholung

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene 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

Mehr

Sortieren II / HeapSort Heaps

Sortieren II / HeapSort Heaps Organisatorisches VL-07: Sortieren II: HeapSort (Datenstrukturen und Algorithmen, SS 2017) Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Email: dsal-i1@algo.rwth-aachen.de Webseite: http://algo.rwth-aachen.de/lehre/ss17/dsa.php

Mehr

Welche Probleme können Rechner (effizient) lösen? Die P = NP Frage. Ideen der Informatik Kurt Mehlhorn

Welche Probleme können Rechner (effizient) lösen? Die P = NP Frage. Ideen der Informatik Kurt Mehlhorn Welche Probleme können Rechner (effizient) lösen? Die P = NP Frage Ideen der Informatik Kurt Mehlhorn Gliederung Ziele von Theorie Gibt es Probleme, die man prinzipiell nicht mit einem Rechner lösen kann?

Mehr

Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8

Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8 ETH Zürich Institut für Theoretische Informatik Prof. Dr. Angelika Steger Florian Meier, Ralph Keusch HS 2017 Algorithmen und Komplexität Lösungsvorschlag zu Übungsblatt 8 Lösungsvorschlag zu Aufgabe 1

Mehr

Algorithmische Methoden zur Netzwerkanalyse Vorlesung 8, Henning Meyerhenke

Algorithmische Methoden zur Netzwerkanalyse Vorlesung 8, Henning Meyerhenke Algorithmische Methoden zur Netzwerkanalyse Vorlesung 8, 07.12.2011 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum

Mehr

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

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

Mehr

Übungsblatt Nr. 5. Lösungsvorschlag

Übungsblatt Nr. 5. Lösungsvorschlag Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 5 svorschlag Aufgabe 1

Mehr

Seminar Algorithmentechnik

Seminar Algorithmentechnik Seminar Algorithmentechnik Institut für Theoretische Informatik Lehrstuhl für Algorithmik I Prof. Dorothea Wagner Karlsruhe Seminar Institut Algorithmentechnik für Technologie (KIT) Fakultät für Informatik

Mehr

Komplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben

Komplexität von Algorithmen Musterlösungen zu ausgewählten Übungsaufgaben Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekte mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten

Mehr

Graphen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Graphen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden Graphen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Ein Turnierplan mit fünf Runden c d b e a c d b e a c d b e a c d b b c a a d e e Das Diagramm beschreibt

Mehr

Freie Bäume und Wälder

Freie 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

Mehr

Kombinatorische Optimierung

Kombinatorische 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 4 Programm des

Mehr

Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,...

Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,... Satz 324 Sei M wie oben. Dann gibt es für ein geeignetes k Konstanten c i > 0 und Permutationsmatrizen P i, i = 1,..., k, so dass gilt M = k c i P i i=1 k c i = r. i=1 Diskrete Strukturen 7.1 Matchings

Mehr

Algorithmen und Datenstrukturen I AVL-Bäume

Algorithmen und Datenstrukturen I AVL-Bäume Algorithmen und Datenstrukturen I AVL-Bäume Prof. Dr. Oliver Braun Letzte Änderung: 01.12.2017 14:42 Algorithmen und Datenstrukturen I, AVL-Bäume 1/38 Balancierte Bäume in einem zufällig erzeugten Binärbaum

Mehr

Erinnerung VL

Erinnerung VL Erinnerung VL.6.16 Graphtraversierung (DFS, topologische Sortierung und mehr) Kürzeste Wege: Problemstellung, Algorithmen Analoger Algorithmus Dijkstras Algorithmus: Idee, Korrektheit Heute: mehr zu Dijkstra,

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15

Datenstrukturen & 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

Mehr

7. Sortieren Lernziele. 7. Sortieren

7. Sortieren Lernziele. 7. Sortieren 7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche

Mehr

2. Übung Algorithmen I

2. Übung Algorithmen I 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Amortisierte Analyse Beispiel Binärzähler

Mehr

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen

OR für Wirtschaftsingenieure. Übungsserie 7: Färbungen von Graphen HTWD, Fakultät Informatik/Mathematik Prof. Dr. M. Voigt Operations Research allgemeine Optimierungsmethoden OR für Wirtschaftsingenieure Übungsserie : Färbungen von Graphen Aufgabe 1 : Wieviele Farben

Mehr

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 24.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei verschiedene Kartenebenen,

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Hausaufgabe 2 (5 Punkte) Wintersemester 2007/08 Lösungsblatt Januar 2008

Diskrete 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

Graphalgorithmen Netzwerkalgorithmen. Laufzeit

Graphalgorithmen Netzwerkalgorithmen. Laufzeit Netzwerkalgorithmen Laufzeit (Folie 390, Seite 78 im Skript) Finden eines Matchings maximaler Kardinalität dauert nur O( E min{ V, V 2 }) mit der Ford Fulkerson Methode. Der Fluß ist höchstens f = min{

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Matchings)

WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Matchings) WS 2015/16 Diskrete Strukturen Kapitel 4: Graphen (Matchings) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS

INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales 7.

Mehr

10. Übungsblatt zu Algorithmen I im SS 2010

10. Übungsblatt zu Algorithmen I im SS 2010 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders G.V. Batz, C. Schulz, J. Speck 0. Übungsblatt zu Algorithmen I im SS 00 http//algo.iti.kit.edu/algorithmeni.php

Mehr

Voronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Voronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 03.06.2014 1 Das Postamt-Problem b(p, q) = {x 2 R 2 : xp = xq } p q h(p, q) h(q, p) = {x

Mehr

Nash-Gleichgewichte in 2-Spieler Systemen. Katharina Klost Freie Universität Berlin

Nash-Gleichgewichte in 2-Spieler Systemen. Katharina Klost Freie Universität Berlin Nash-Gleichgewichte in 2-Spieler Systemen Katharina Klost Freie Universität Berlin Seminar über Algorithmen, 29.10.2013 Grundlegende Definitionen A Gewinnmatrix für Spieler 1, B Gewinnmatrix für Spieler

Mehr

Kapitel 1 Parallele Modelle Wie rechnet man parallel?

Kapitel 1 Parallele Modelle Wie rechnet man parallel? PRAM- PRAM- DAG- R UND R Coles und Kapitel 1 Wie rechnet man parallel? Vorlesung Theorie Paralleler und Verteilter Systeme vom 11. April 2008 der Das DAG- Das PRAM- Das werkmodell Institut für Theoretische

Mehr

Breitensuche BFS (Breadth First Search)

Breitensuche 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;

Mehr

Algorithmen II Vorlesung am 15.11.2012

Algorithmen 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

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 00

Mehr

Voronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

Voronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :

Mehr

Kap. 6.6: Kürzeste Wege

Kap. 6.6: Kürzeste Wege Kap. 6.6: Kürzeste Wege Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1./. VO DAP SS 009./9. Juli 009 1 Nachtest für Ausnahmefälle Di 1. Juli 009, 16:00 Uhr,

Mehr

Informatik II, SS 2014

Informatik II, SS 2014 Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 13 (18.6.2014) Binäre Suchbäume IV (Rot Schwarz Bäume) Algorithmen und Komplexität Rot Schwarz Bäume Ziel: Binäre Suchbäume, welche immer

Mehr

In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt:

In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt: Färbungsprobleme Einstieg In diesem Skript werden folgende Begriffe anhand von einfachen Beispielen eingeführt: Graphentheorie Der Vier-Farben-Satz Algorithmen Komplexität von Algorithmen NP-Probleme Die

Mehr

Algorithmen und Datenstrukturen 13

Algorithmen und Datenstrukturen 13 19. Juli 2012 1 Besprechung Blatt 12 Fragen 2 Bäume AVL-Bäume 3 Graphen Allgemein Matrixdarstellung 4 Graphalgorithmen Dijkstra Prim Kruskal Fragen Fragen zu Blatt 12? AVL-Bäume AVL-Bäume ein AVL-Baum

Mehr

Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y

Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y Die AVL-Eigenschaft soll bei Einfügungen und Streichungen erhalten bleiben. Dafür gibt es zwei mögliche Operationen: -1-2 Rotation Abbildung 3.1: Rotation nach rechts (analog links) -2 +1 z ±1 T 4 Doppelrotation

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 5. Dezember 2017 INSTITUT FÜR THEORETISCHE 0 05.12.2017 Dorothea Wagner - Theoretische Grundlagen der Informatik INSTITUT FÜR THEORETISCHE KIT Die Forschungsuniversität

Mehr

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015

Übersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015 Datenstrukturen und Algorithmen Vorlesung 8: (K6) 1 Joost-Pieter Katoen Lehrstuhl für Informatik Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-15/dsal/ 7. Mai 015 3 Joost-Pieter

Mehr

Vorlesung Datenstrukturen

Vorlesung Datenstrukturen Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:

Mehr

Ein Turnierplan mit fünf Runden

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

Mehr

Ankündigungen. Algorithmen für Ad-hoc- und Sensornetze. Überblick. Topologiekontrolle

Ankündigungen. Algorithmen für Ad-hoc- und Sensornetze. Überblick. Topologiekontrolle Ankündigungen Algorithmen für Ad-hoc- und Sensornetze VL 04 Topologiekontrolle Markus Völker 09. Mai 202 (Version ) Vortrag am Montag, den 4.05.202, 0 Uhr, SR 236 Prof. Dr. Roger Wattenhofer (ETH Zürich):

Mehr