Graphalgorithmen I. Katharina Reif Hallo Welt -Seminar - LS 2
|
|
- Detlef Georg Abel
- vor 5 Jahren
- Abrufe
Transkript
1 Graphalgorithmen I Katharina Reif allo Welt -Seminar - LS 2
2 Überblick Einführung Speichern von Graphen Topologische Sortierung Zusammenhang und Zusammenhangskomponenten Artikulationspunkte rücken Kosaraju-Algorithmus Quellen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 2
3 Einführung Ein Graph G ist ein Paar G=(V,E) mit einer endlichen, nichtleeren Menge V von Knoten einer Menge E V V von Kanten Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 3
4 Einführung Ein Graph G ist ein Paar G=(V,E) mit einer endlichen, nichtleeren Menge V von Knoten einer Menge E V V von Kanten C C A D A D Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 4
5 Speicherung in einer Adjazenzmatrix Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 5
6 Speicherung in einer Adjazenzmatrix oole sche V V -Matrix A = (a ij ) a ij = { 0 falls (i,j) / E 1 sonst gewichteter Graph: eintragen der Kantengewichte Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 6
7 Speicherung in einer Adjazenzmatrix oole sche V V -Matrix A = (a ij ) a ij = { 0 falls (i,j) / E 1 sonst gewichteter Graph: eintragen der Kantengewichte A C D A C D A C D Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 7
8 Speicherung in einer Adjazenzliste für jeden Knoten eine Liste seiner direkten Nachfolger speichern Knoten als Array von Anfangszeigern auf diese Listen speichern Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 8
9 Speicherung in einer Adjazenzliste für jeden Knoten eine Liste seiner direkten Nachfolger speichern Knoten als Array von Anfangszeigern auf diese Listen speichern C A D Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 9
10 Implizite Graphdarstellung Graph hat die Form eines Gitters Knoten sind die Zellen des Gitters Kanten sind von den Knoten aus durch ein Schema bestimmbar
11 Implizite Graphdarstellung Graph hat die Form eines Gitters Knoten sind die Zellen des Gitters Kanten sind von den Knoten aus durch ein Schema bestimmbar Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 11
12 Implizite Graphdarstellung: von-neumann i n t drow [ ] = { 1,0,1,0}; i n t dcol [ ] = {0,1,0, 1}; for ( i n t i =0; i <drow. s ize ( ) ; i ++){ f e l d [ cur_row + drow [ i ] ] [ cur_col + dcol [ i ] ] / / Gittergrenzen beachten } Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 12
13 Implizite Graphdarstellung: eispiele Moore Springer beim Schach ienenwaben Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 13
14 Topologische Sortierung Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 14
15 Topologische Sortierung Voraussetzung: gerichteter, zyklenfreier Graph Eine topologische Sortierung eines Graphen G = (V,E) ist eine lineare Ordnung über alle seine Knoten, sodass gilt: (u,v) E u kommt in der Ordnung vor v Graph ist zyklenfrei Graph hat eine topologische Sortierung Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 15
16 Topologische Sortierung: eispiel In welcher Reihenfolge muss ich die einzelnen Tätigkeiten ausführen, damit ich Waffeln mit Sahne essen kann? essen Waffeleisen suchen Waffeln backen Teig zubereiten Sahne schlagen einkaufen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 16
17 Topologische Sortierung: Algorithmus Der Eingangsgrad eines Knoten v ist die Anzahl der in v einmündenden Pfeile: indeg(v) = {u (u,v) E} 1. Suche einen Knoten mit Eingangsgrad 0 2. Entferne diesen Knoten mit seinen Kanten aus den Graphen 3. Füge den Knoten der Ergebnisliste hinzu 4. wiederhole dies bis der Graph leer ist Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 17
18 Topologische Sortierung: eispiel essen Waffeleisen suchen Waffeln backen Teig zubereiten Sahne schlagen einkaufen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 18
19 Topologische Sortierung: eispiel essen Waffeln backen Teig zubereiten Sahne schlagen Waffeleisen suchen einkaufen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 19
20 Topologische Sortierung: eispiel essen Waffeln backen Teig zubereiten Sahne schlagen Waffeleisen suchen einkaufen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 20
21 Topologische Sortierung: eispiel Waffeln backen Teig zubereiten essen Waffeleisen suchen einkaufen Sahne schlagen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 21
22 Topologische Sortierung: eispiel Waffeleisen suchen essen einkaufen Waffeln backen Sahne schlagen Teig zubereiten Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 22
23 Topologische Sortierung: eispiel Waffeleisen suchen einkaufen essen Sahne schlagen Teig zubereiten Waffeln backen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 23
24 Topologische Sortierung: eispiel Waffeleisen suchen einkaufen Sahne schlagen Teig zubereiten Waffeln backen essen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 24
25 Topologische Sortierung: eispiel Waffeleisen suchen einkaufen Sahne schlagen Teig zubereiten Waffeln backen essen Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 25
26 Zusammenhang und Zusammenhangskomponten: Artikulationspunkte Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 26
27 Zusammenhang und Zusammenhangskomponten: Artikulationspunkte Ein ungerichteter Graph G heißt zusammenhängend, wenn es für jedes Knotenpaar (u,v) aus V einen Weg von u nach v gibt. Eine Zusammenhangskomponente eines Gaphen ist ein (bezügich Mengeninklusion) maximaler zusammenhängender Untergraph Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 27
28 Zusammenhang und Zusammenhangskomponten: Artikulationspunkte Ein ungerichteter Graph G heißt zusammenhängend, wenn es für jedes Knotenpaar (u,v) aus V einen Weg von u nach v gibt. Eine Zusammenhangskomponente eines Gaphen ist ein (bezügich Mengeninklusion) maximaler zusammenhängender Untergraph. Ein Knoten v heißt Artikulationspunkt eines Graphen G, wenn G\{v} mehr Zusammenhangskomponten hat als G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 28
29 Artikulationspunkte eispiel C D E F A G
30 Artikulationspunkte eispiel C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 30
31 Artikulationspunkte eispiel C D E F G
32 Artikulationspunkte eispiel C D E F G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 32
33 Artikulationspunkte C D E F A G
34 Artikulationspunkte C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 34
35 Artikulationspunkte eispiel C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 35
36 Artikulationspunkte eispiel C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 36
37 Artikulationspunkte eispiel C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 37
38 Artikulationspunkte: Naiver Algorithmus i n t g_zk = anzahl_zk (G) ; for ( Knoten v i n G) { i n t ohnev_zk = anzahl_zk (G\ { v } ) ; i f ( ohnev_zk > g_zk ) { / v i s t A r t i k u l a t i o n s p u n k t / } } estimmen der Anzahl der Zusammenhangskomponenten durch Tiefensuche Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 38
39 bool v i s i t e d [ ] ; void dfs ( Knoten v ) { v i s i t e d [ v ] = true ; for ( d i r e k t e r Nachfolger u von v ) { i f (! v i s i t e d [ u ] ) dfs ( u ) ; } } i n t anzahl_zk ( Graph G) { i n t count_zk = 0; for ( Knoten v i n G) { i f (! v i s i t e d [ v ] ) { count_zk ++; dfs ( v ) ; } } } Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 39
40 Artikulationspunkte Algorithmus Es gibt eine effektiver Vorgehensweise: Die asis bildet die Tiefensuche: Nummerieren der Knoten beim Abstieg Was ist die kleinster Knoten, den ich über eine Kante erreichen kann? Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 40
41 Artikulationspunkte eispiel C D E F A G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 41
42 Artikulationspunkte eispiel C D E F 1 G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 42
43 Artikulationspunkte eispiel C D E F 1 2 G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 43
44 Artikulationspunkte eispiel C 3 E F 1 2 G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 44
45 Artikulationspunkte eispiel 4 3 E F 1 2 G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 45
46 Artikulationspunkte eispiel 4 3 E F G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 46
47 Artikulationspunkte eispiel E F G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 47
48 Artikulationspunkte eispiel E F G Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 48
49 Artikulationspunkte eispiel E F Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 49
50 Artikulationspunkte eispiel E Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 50
51 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 51
52 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 52
53 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 53
54 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 54
55 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 55
56 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 56
57 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 57
58 Artikulationspunkte eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 58
59 i n t k_nr [ ] ; / / i n t i a l j e w e i l s 1 i n t dfs_nr = 1; i n t dfs ( Knoten v, Knoten pred, i n t nr, bool e r s t e r ) {... } i n t main ( void ) { for ( Knoten v i n G) { i f ( k_nr [ v ] == 1){ dfs_nr ++; dfs ( v, 1, dfs_nr 1, true ) ; } } } Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 59
60 i n t dfs ( Knoten v, Knoten pred, i n t nr, bool e r s t e r ) { k_nr [ v ] = nr ; i n t low = nr ; i n t count_sohn = 0; for ( d i r e k t e r Nachfolger u von v ) { i f ( u == pred ) continue ; i f ( k_nr [ u ] == 1){ count_sohn ++; dfs_nr ++; i n t d = dfs ( u, v, dfs_nr 1, false ) ; i f ( d >= nr &&! e r s t e r ) { / v i s t A r t i k u l a t i o n s p u n k t / } low = min ( low, d ) ; } else { low = min ( low, k_nr [ u ] ) ; } } i f ( e r s t e r && count_sohn >1){ / v i s t A r t i k u l a t i o n s p u n k t / } return low ; } Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 60
61 rücken Eine Kante e heißt rücke eines Graphen G=(V,E), wenn G=(V,E\{e}) mehr Zusammenhangskomponenten hat als G=(V,E). ähnlich zu den Artikulationspunkten, nur auf Kanten bezogen Verwenden des gleichen Algorithmus: Falls der Kante (u, v) ein Wert größer als der Nummer von u zugewiesen wird, ist (u, v) eine rücke Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 61
62 rücken eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 62
63 rücken eispiel Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 63
64 Starker Zusammenhang Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 64
65 Starker Zusammenhang Ein gerichteter Graph G=(V,E) ist stark zusammenhängend, wenn es einen Weg von jeden Knoten zu jeden anderen Knoten im Graphen gibt. Eine starke Zusammenhangskomponente eines Graphen ist ein (bezüglich Mengeninklusion) maximaler, stark zusammenhängender Untergraph Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 65
66 Starker Zusammenhang Den transponierten Graph eines gerichteten Graphen erhält man durch umkehren aller Kantenrichtungen: G T = (V, E T ) mit E T = {(u, v) (v, u) E} G und G T haben dieselben starken Zusammenhangskomponenten Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 66
67 Kosaraju-Algorithmus 1. Tiefensuche auf G sobald ein Knoten komplett abgearbeitet ist, wird er auf einen Stapel gelegt 2. berechne G T 3. Tiefensuche auf G T Startknoten: oberster unbesuchter Knoten auf dem Stapel alle Knoten die vom jeweiligen Startknoten dabei erreicht werden bilden eine starke Zusammenhangskomponente Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 67
68 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 68
69 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 69
70 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 70
71 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 71
72 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 72
73 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 73
74 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 74
75 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 75
76 Kosaraju-Algorithmus eispiel C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 76
77 Kosaraju-Algorithmus eispiel C D E E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 77
78 Kosaraju-Algorithmus eispiel C D E D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 78
79 Kosaraju-Algorithmus eispiel C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 79
80 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 80
81 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 81
82 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 82
83 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 83
84 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 84
85 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 85
86 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 86
87 Kosaraju-Algorithmus eispiel A C D E C D E A Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 87
88 Quellen Introduction to Algorithms von Cormen, Leiserson, Rivest, Stein Algorithmen und Datenstrukturen von Thomas Ottmann, Peter Widmayer Vorträge früherer Semester Algorithmische Graphentheorie Volker Turau, Christoph Weyer Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 88
89 Danke Katharina Reif allo Welt -Seminar - LS 2 Graphalgorithmen I 89
Graphalgorithmen 1. Tillmann Zipperer Tillmann Zipperer Graphalgorithmen / 40
Graphalgorithmen 1 Tillmann Zipperer 03.06.2015 Tillmann Zipperer Graphalgorithmen 1 03.06.2015 1 / 40 1 Grundlagen Definition Graphtypen Implizite Graphdarstellung Tillmann Zipperer Graphalgorithmen 1
MehrGraphenalgorithmen I
Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket
MehrGraphenalgorithmen I. Geschickt Programmieren für den ICPC- Wettbewerb. Felix Weissenberger
Graphenalgorithmen I Geschickt Programmieren für den ICPC- Wettbewerb Felix Weissenberger Inhalt Grundlagen zu Graphen Begriffe Darstellung von Graphen Graphenalgorithmen Breitensuche Tiefensuche Topologisches
MehrGraphalgorithmen I Hallo Welt! für Fortgeschrittene
Graphalgorithmen I Hallo Welt! für Fortgeschrittene Jens Wetzl (sijewetz@stud.informatik.uni-erlangen.de) 18. Mai 2009 Motivation Grundlagen Beschreibung von Objekten und deren Beziehungen zueinander Vielfältige
MehrRückblick: Starke Zusammenhangskomponenten
Rückblick: Starke Zusammenhangskomponenten Der Algorithmus von Kosaraju bestimmt die starken Zusammenhangskomponenten eines gerichteten Graphen wie folgt: Schritt 1: Bestimme den transponierten Graphen
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Graphalgorithmen I Florian Schmaus florian.schmaus@informatik.stud.uni-erlangen.de Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Übersicht I. Grundlagen
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrGraphalgorithmen I. Yannik Tannhäuser Hallo Welt! -Seminar LS 2
Graphalgorithmen I Yannik Tannhäuser 22.05.2019 Hallo Welt! -Seminar LS 2 Motivation Königsberger rückenproblem, 1736 von Leonhard uler gelöst Viele Probleme lassen sich auf (auch heute noch) Graphen übertragen
MehrGraphalgorithmen I. Simon Regnet. May 16, Universität Erlangen. Simon Regnet (Universität Erlangen) Graphalgorithmen I May 16, / 56
Graphalgorithmen I Simon Regnet Universität Erlangen May 16, 2008 Simon Regnet (Universität Erlangen) Graphalgorithmen I May 16, 2008 1 / 56 Inhalt 1 Motivation 2 Terminologie 3 Datenstrukturen 4 Suche
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 /
MehrAlgorithmen I. Tutorium 1-8. Sitzung. Dennis Felsing
Algorithmen I Tutorium 1-8. Sitzung Dennis Felsing dennis.felsing@student.kit.edu www.stud.uni-karlsruhe.de/~ubcqr/algo 2011-06-06 Überblick 1 Allgemeines Adjazenzliste Adjazenzmatrix Adjazenzfeld Aufgaben
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 02. Mai 2017 [Letzte Aktualisierung: 10/07/2018,
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
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 3 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 16 (2.7.2014) Graphtraversierung II, Minimale Spannbäume I Algorithmen und Komplexität Tiefensuche: Pseusocode DFS Traversal: for all u in
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)
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil II Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University of Leipzig 07.
Mehr2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
MehrMotivation Kap. 6: Graphen
Motivation Kap. 6: Graphen Warum soll ich heute hier bleiben? Graphen sind wichtig und machen Spaß! Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Was gibt es
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 16. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Foliensatz 16 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 45 Graphen TU Ilmenau Seite 2 / 45 Graphen 1 2 3 4 5 6 7 8
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Prof. Martin Lercher Institut für Informatik Heinrich-Heine-Universität Düsseldorf Teil 9 Graphen Version vom 13. Dezember 2016 1 / 1 Vorlesung Fortsetzung 13. Dezember
Mehr12. Graphen. Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap ,Cormen et al, Kap.
254 12. Graphen Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap. 9.1-9.4,Cormen et al, Kap. 22 Königsberg 1736 255 Königsberg 1736 255 Königsberg 1736 255
MehrDefinition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.
Kapitel 4 Graphenalgorithmen 4.1 Definitionen Definition 4.1.1. Der Graph G = (V, E) ist über die beiden Mengen V und E definiert, wobei V die Menge der Knoten und E die Menge der Kanten in dem Graph ist.
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri Universität des Saarlandes FR 4.7 Allgemeine Linguistik (Computerlinguistik) Übersicht Topologische Sortierung (einfach) Kürzeste Wege finden
MehrKap. 6.3: Traversieren von Graphen Kap. 6.4: Elementare Graphalgorithmen
Kap. 6.3: Traversieren von Graphen Kap. 6.4: Elementare Graphalgorithmen Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 19. VO DAP2 SS 2008 19. Juni 2008 1
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
MehrEin Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.
Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten
MehrVL-14: Graphalgorithmen I. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger
VL-14: Graphalgorithmen I (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger SS 2017, RWTH DSAL/SS 2017 VL-14: Graphalgorithmen I 1/48 Organisatorisches Vorlesung: Gerhard Woeginger (Zimmer 4024
MehrDiskrete Strukturen WS 2005/06. Ernst W. Mayr. 27. Januar Fakultät für Informatik TU München
WS 2005/06 Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2005ws/ds/ 27. Januar 2006 Ernst W. Mayr 2.16 Inzidenzmatrix 3. Definitionen für gerichtete Graphen 3.1 Digraph
MehrWir nennen einen Pfad in einem gerichteten Graphen Zyklus, wenn der Pfad im gleichen Knoten beginnt und endet, d. h.
aaacmxicdvdlsgmxfl1t3/vv69jntaiuyowubbdcwy1lbfuqwkomtwuyzgri7ltgwa9wa7/cr+lo3potpq2c9xegcdjnxu7j8wmpdlru2mktlc4tr6yu5dc3nre2czvfhlgjzrzolfs65vpdpyh4hqvk3oo1p6evedmpzid+c8i1esq6xjtmnzaoitexjkkvbozdl5yrytfofkpu+bhacu+q5dfxyu4updp+pkobwgv3xyne9hrlqh4hk9sytufg2mmorsekf8zfjobhlav0wnuwrjtkppnnez+sq6v0sf9p+yiku/x7rkzdy9lqt5mhxtvz05uif3q+ugfs38zdz1aedznlwqtwndwpjarvvfmrfpuvtiaioeeesvnqfiijkjkpj/se5gxlagllwti/enzhnwvos87bfr+qiv+txnhzc8velveqvwcgvdidazgcd06hbhdwcxvgemitpmpiexhgzqvznhvnoz87uzah5/0djy+sia==
MehrFerienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie
Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 1: Grundlagen der algorithmischen Graphentheorie Dipl-Math. Wolfgang Kinzner 2.4.2012 Kapitel 1: Grundlagen der algorithmischen Graphgentheorie
MehrProgrammierkurs Python
Programmierkurs Python Stefan Thater Michaela Regneri 2010-0-29 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen für Graphen Tiefen- und Breitensuche Nächste Woche: mehr Algorithmen 2 Was
MehrProgrammierkurs Python II
Programmierkurs Python II Stefan Thater & Michaela Regneri FR.7 Allgemeine Linguistik (Computerlinguistik) Universität des Saarlandes Sommersemester 011 Heute Ein wenig Graph-Theorie (in aller Kürze) Datenstrukturen
MehrDigraphen, DAGs und Wurzelbäume
Digraphen (gerichtete Graphen) Slide 1 Digraphen, DAGs und Wurzelbäume Digraphen (gerichtete Graphen) Slide 2 Eingangs- und Ausgangsgrad Bei einer gerichteten Kante e = (u,v) E heißt u Startknoten von
MehrADS 2: Algorithmen und Datenstrukturen
ADS 2: Algorithmen und Datenstrukturen Teil I Prof. Peter F. Stadler & Sebastian Will Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität Leipzig 9. April
MehrKlausurvorbereitung. 1 Zentrale Begriffe. 2 Bipartite Graphen. 2.1 Begriffe. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S.
Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S. Lange Klausurvorbereitung Hier finden Sie alle Begriffe, Zusammenhänge und Algorithmen, die mit Blick auf die Klausur relevant sind. Um es
MehrDatenstrukturen und Algorithmen
Joost-Pieter Katoen Datenstrukturen und Algorithmen 1/81 Datenstrukturen und Algorithmen Vorlesung 14+15: Elementare Graphenalgorithmen (K22,K24.2) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software
MehrZweizusammenhang und starker Zusammenhang
.. Zeizusammenhang und starker Zusammenhang Carsten Gutenger Vorlesung Algorithmen und Datenstrukturen WS /. Januar Zeizusammenhang Betrachte ein Netzerk (Graph) Z.B. Computernetzerk, Flug- oder Schienennetzerk
MehrKap. 5: Graphen. Carsten Gutwenger Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund. 17. VO DAP2 SS
Kap. 5: Graphen Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 17. VO DAP2 SS 2009 23. Juni 2008 1 Motivation Warum soll ich heute hier bleiben? Graphen sind wichtig und
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
MehrGraphdurchmusterung, Breiten- und Tiefensuche
Prof. Thomas Richter 18. Mai 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 18.05.2017 Graphdurchmusterung,
Mehr12. Graphen. Königsberg Zyklen. [Multi]Graph
Königsberg 76. Graphen, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap. 9. - 9.,Cormen et al, Kap. [Multi]Graph Zyklen C Kante Gibt es einen Rundweg durch die Stadt
MehrAlgorithmen & Datenstrukturen 2 Praktikum 3
Algorithmen & Datenstrukturen 2 Praktikum 3 Thema: Graphalgorithmen Sommersemester 2016 Prof. Dr. Christoph Karg Hochschule Aalen Dieses Praktikum widmet sich dem Thema Graphalgorithmen. Ziel ist die Implementierung
MehrTutoraufgabe 1 (SCC):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS F. Corzilius, S. Schupp, T. Ströder Allgemeine Hinweise: Die Hausaufgaben sollen in Gruppen von je bis Studierenden aus der gleichen Kleingruppenübung
MehrTeil 2: Graphenalgorithmen
Teil : Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Problemstellung Ungewichtete Graphen Distanzgraphen Gewichtete
MehrADS 2: Algorithmen und Datenstrukturen
ADS 2: Algorithmen und Datenstrukturen Teil 2 Prof. Peter F. Stadler & Sebastian Will Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität Leipzig 16. April
MehrGraphen Jiri Spale, Algorithmen und Datenstrukturen - Graphen 1
Graphen 27 Jiri Spale, Algorithmen und Datenstrukturen - Graphen Motivation Einsatz: Berechnung von Entfernungen Auffinden von Zyklen in Beziehungen Ermittlung von Verbindungen Zeitmanagement Konzept:
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 12, Donnerstag, 23.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag,. Januar 04 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 13 (6.6.2018) Graphenalgorithmen II Yannic Maus Algorithmen und Komplexität Repräsentation von Graphen Zwei klassische Arten, einen Graphen
Mehr1 Pfade in azyklischen Graphen
Praktikum Algorithmen-Entwurf (Teil 5) 17.11.2008 1 1 Pfade in azyklischen Graphen Sei wieder ein gerichteter Graph mit Kantengewichten gegeben, der diesmal aber keine Kreise enthält, also azyklisch ist.
MehrWintersemester 2004/ Januar Aus der Vorlesung sind Datenstrukturen zur Repräsentation von Wäldern disjunkter Mengen bekannt.
Lehrstuhl für Praktische Informatik III Norman May B6, 29, Raum C0.05 68131 Mannheim Telefon: (0621) 181 2517 Email: norman@pi3.informatik.uni-mannheim.de Matthias Brantner B6, 29, Raum C0.05 68131 Mannheim
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
MehrAlgorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od
Algorithmus zur topologischen Nummerierung: while V = 0 do nummeriere eine Quelle mit der nächsten Nummer streiche diese Quelle aus V od Diskrete Strukturen 3.7 dag 473/556 3.8 Zusammenhang Definition
Mehr(a, b)-bäume / 1. Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss.
(a, b)-bäume / 1. Szenario: Datenmenge ist so groß, dass sie auf der Festplatte abgespeichert werden muss. Konsequenz: Kommunikation zwischen Hauptspeicher und Festplatte - geschieht nicht Byte für Byte,
MehrHelmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)
Graphen (2) 1 Topologisches Sortieren (1) Die Kanten eines gerichteten zyklenfreien Graphen bilden eine Halbordnung (die Ordnungsrelation ist nur für solche Knoten definiert die am gleichen Pfad liegen).
Mehr12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013
12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013 1 Agenda Kontrollfragen Graphen Graphenalgorithmen 2
MehrInstitut für Programmierung und Reaktive Systeme 27. Mai Programmieren II. 12. Übungsblatt
Technische Universität Braunschweig Dr. Werner Struckmann Institut für Programmierung und Reaktive Systeme 27. Mai 206 Programmieren II 2. Übungsblatt Hinweis: Auf diesem und den folgenden Übungsblättern
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrTeil 2: Graphenalgorithmen
Teil 2: Graphenalgorithmen Anwendungen Definitionen Datenstrukturen für Graphen Elementare Algorithmen Topologisches Sortieren Kürzeste Wege Minimal aufspannende Bäume Flüsse in Netzwerken Zusammenhangskomponenten
MehrGraphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47
Graphalgorithmen Dominik Paulus.0.01 Dominik Paulus Graphalgorithmen.0.01 1 / 7 1 Spannbäume Kruskal Prim Edmonds/Chu-Liu Datenstrukturen Fibonacci-Heap Union/Find Kürzeste Pfade Dijkstra Bellman-Ford
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrVorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 34 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Kürzeste Wege zwischen allen Knotenpaaren (APSP)! Viele Anwendungen:! Navigationssysteme!
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
MehrZählen perfekter Matchings in planaren Graphen
Zählen perfekter Matchings in planaren Graphen Kathlén Kohn Institut für Mathematik Universität Paderborn 25. Mai 2012 Inhaltsverzeichnis Motivation Einführung in Graphentheorie Zählen perfekter Matchings
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
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
MehrLernmodul 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
MehrAlgorithmen und Datenstrukturen 9. GRAPHEN 1 GRUNDLAGEN. Algorithmen und Datenstrukturen - Ma5hias Thimm 1
Algorithmen und Datenstrukturen 9. GRAPHEN 1 GRUNDLAGEN Algorithmen und Datenstrukturen - Ma5hias Thimm (thimm@uni-koblenz.de) 1 Allgemeines Graphen Ein Graph ist das mathematische Modell eines Netzwerks
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?
MehrDatenstrukturen. einfach verkettete Liste
einfach verkettete Liste speichert Daten in einer linearen Liste, in der jedes Element auf das nächste Element zeigt Jeder Knoten der Liste enthält beliebige Daten und einen Zeiger auf den nächsten Knoten
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
MehrInformatik II, SS 2016
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 12 (4.6.2018) Graphenalgorithmen I Yannic Maus Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrVorlesung 3: Graphenalgorithmen. Markus Püschel David Steurer Peter Widmayer. PDF download goo.gl/ym3spq
Vorlesung 3: Graphenalgorithmen Markus Püschel David Steurer Peter Widmayer PDF download goo.gl/ym3spq Algorithmen und Datenstrukturen, Herbstsemester 2017, ETH Zürich Gerichtete Graphen und Abhängigkeiten
Mehr1 Datenstrukturen Datenstrukturen und Algorithmen
1 Datenstrukturen 1.1 Abstrakte Datentypen 1.2 Lineare Strukturen 1.3 Bäume 1.4 Prioritätsschlangen 1.5 Graphen 1 1.5 Graphen Darstellung allgemeiner Beziehungen zwischen Objekten/Elementen Objekte = Knoten:
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 12, Donnerstag, 22.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 014 / 015 Vorlesung 1, Donnerstag,. Januar 015 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
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
MehrTheoretische Informatik 1 WS 2007/2008. Prof. Dr. Rainer Lütticke
Theoretische Informatik 1 WS 2007/2008 Prof. Dr. Rainer Lütticke Inhalt der Vorlesung Grundlagen - Mengen, Relationen, Abbildungen/Funktionen - Datenstrukturen - Aussagenlogik Automatentheorie Formale
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrEinführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung)
Wintersemester 2005/06 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl
MehrAlgorithmen 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
MehrKürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring
Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrADS 2: Algorithmen und Datenstrukturen
ADS : Algorithmen und Datenstrukturen Teil Prof. Dr. Gerhard Heyer Institut für Informatik Abteilung Automatische Sprachverarbeitung Universität Leipzig 09. Mai 08 [Letzte Aktualisierung: 06/07/08, 08:4]
MehrGraphentheorie. Yichuan Shen. 10. Oktober 2013
Graphentheorie Yichuan Shen 0. Oktober 203 Was ist ein Graph? Ein Graph ist eine kombinatorische Struktur, die bei der Modellierung zahlreicher Probleme Verwendung findet. Er besteht ganz allgemein aus
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (2) Spannbäume Kürzeste Wege Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 455 Wiederholung Traversierung eines Graphen via Tiefendurchlaufs
MehrInformatik B Sommersemester Musterlösung zur Klausur am
Informatik B Sommersemester 01 Musterlösung zur Klausur am 1.0.01 Leider wurde der Hinweis, dass alle Lösungen kurz (stichpunktartig), aber inhaltlich ausreichend zu kommentieren sind, nicht immer beachtet.
MehrDatenstrukturen Teil 2. Bäume. Definition. Definition. Definition. Bäume sind verallgemeinerte Listen. Sie sind weiter spezielle Graphen
Bäume sind verallgemeinerte Listen Datenstrukturen Teil 2 Bäume Jeder Knoten kann mehrere Nachfolger haben Sie sind weiter spezielle Graphen Graphen bestehen aus Knoten und Kanten Kanten können gerichtet
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
MehrKarlsruher Institut für Technologie Institut für Theoretische Informatik. Klausur Algorithmen I
Name: Vorname: Matrikelnummer: Klausur-ID: svorschlag Karlsruher Institut für Technologie Institut für Theoretische Informatik Jun.-Prof. D. Hofheinz, Jun.-Prof. H. Meyerhenke 8.09.05 Klausur Algorithmen
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
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
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
MehrSoftware Entwicklung 1. Graphen. Motivation. Definitionen: Graph. Annette Bieniusa / Arnd Poetzsch-Heffter
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter Graphen AG Softech FB Informatik TU Kaiserslautern Literaturhinweis: Kapitel 4.5 aus R. Sedgewick, K. Wayne: Einführung in die Programmierung
MehrAlgorithmen und Datenstrukturen 1 VL Übungstest SS Juni 2011
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 86.72 Algorithmen und Datenstrukturen VL 4.0 2. Übungstest SS 20 0. Juni 20 Machen
MehrGraphen und Bäume. A.1 Graphen
Algorithmen und Datenstrukturen 96 A Graphen und Bäume A.1 Graphen Ein gerichteter Graph (auch Digraph) G ist ein Paar (V, E), wobei V eine endliche Menge und E eine Relation auf V ist, d.h. E V V. V heißt
MehrAlgorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009
Algorithmentechnik - U bung 3 4. Sitzung Tanja Hartmann 03. Dezember 2009 I NSTITUT F U R T HEORETISCHE I NFORMATIK, P ROF. D R. D OROTHEA WAGNER KIT Universita t des Landes Baden-Wu rttemberg und nationales
MehrSoftware Entwicklung 1
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Graphen Literaturhinweis: Kapitel 4.5 aus R. Sedgewick, K. Wayne: Einführung in die Programmierung
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 13 (8.6.2016) Graphenalgorithmen I Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
Mehr