Wir betrachten das folgende nicht gerichtete Netzwerk:

Ähnliche Dokumente
Blocksatzbildung. Beispiel 3.9. [Berechnung optimaler Blockungen] Gegeben ist eine Folge F = (1,..., n) von n Gegenständen.

Blocksatzbildung. Beispiel 3.9. [Berechnung optimaler Blockungen] Gegeben ist eine Folge F = (1,..., n) von n Gegenständen.

Anwendungen. Für optimale Wege in DAGs gibt es eine Fülle von Anwendungen. Wir betrachten zwei:

Blocksatzbildung. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 02/03 93

Berechnung von Abständen

4. Kreis- und Wegeprobleme Abstände in Graphen

Kreis- und Wegeprobleme. Kapitel 4. Kreis- und Wegeprobleme. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296

Eulerweg, Eulerkreis. Das Königsberger Brückenproblem. Definition 3.1. Ein Weg, der jede Kante von G genau einmal

Hamiltonsche Graphen

4. Kreis- und Wegeprobleme

6 Flüsse und Matchings

6. Flüsse und Zuordnungen

Aufgaben zur Klausurvorbereitung

8.4 Digraphen mit negativen Kantengewichten Grundsätzliches Betrachte Startknoten s und einen Kreis C mit Gesamtlänge < 0.

Datenstrukturen und Algorithmen (SS 2013)

Vorlesung Datenstrukturen

5. Bäume und Minimalgerüste

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.

2. Das single-source-shortest-path-problem

Beispiele. mit. Beispiel 2.3. Suche einen Weg von nach. Tiefensuche bzw. Breitensuche.

1.Aufgabe: Minimal aufspannender Baum

Programmierkurs Python II

Algorithmen & Komplexität

Das Heiratsproblem. Definition Matching

Algorithmen und Datenstrukturen 2-1. Seminar -

3.4 Kondition eines Problems

Kürzeste Wege. Ein Startknoten, nichtnegative Gewichte

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

Einführung in die Graphentheorie (Mathematik IIIb)

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).

Trennender Schnitt. Wie groß kann der Fluss in dem folgenden Flussnetzwerk höchstens sein?

Kapitel 4: Netzplantechnik Gliederung der Vorlesung

6. Planare Graphen und Färbungen

Kürzeste-Wege-Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2

Routing A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung

Zugeordneter bipartiter Graph

Vorlesungstermin 2: Graphentheorie II. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Lernmodul 7 Algorithmus von Dijkstra

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Graphentheorie. Eulersche Graphen. Eulersche Graphen. Eulersche Graphen. Rainer Schrader. 14. November Gliederung.

Algorithmen und Datenstrukturen 2

Klausurvorbereitung. 1 Zentrale Begriffe. 2 Bipartite Graphen. 2.1 Begriffe. Vorlesung Graphen und Optimierung Sommersemester 2011 Prof. S.

Informierte Suchverfahren

Mustererkennung: Graphentheorie

Graphalgorithmen II. Sebastian Ehrenfels Sebastian Ehrenfels Graphalgorithmen II / 44

Algorithmische Graphentheorie

6. Flüsse und Zuordnungen

Programmierung 2 Studiengang MI / WI

Vorlesung 2 KÜRZESTE WEGE

Algo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7

Maximale s t-flüsse in Planaren Graphen

Algorithmische Graphentheorie

Fortgeschrittene Netzwerk- und Graph-Algorithmen

1 Pfade in azyklischen Graphen

1 Kürzeste Pfade in Graphen

Wie wird ein Graph dargestellt?

Statistik und Graphentheorie

Teil 2: Graphenalgorithmen

Diplomhauptprüfung. "Systems Engineering" Sommersemester Teil A: Fragenkatalog Zeit: 15 min. Hilfsmittel: Taschenrechner. Nachname: Vorname:

Informatik II: Algorithmen & Datenstrukturen. Blättern Sie nicht um bevor Sie dazu aufgefordert werden!

Wiederholung

Was bisher geschah. gerichtete / ungerichtete Graphen G = (V, E) Darstellungen von Graphen

Algorithmen und Datenstrukturen (für ET/IT)

1 Einführung. 2 Grundlagen von Algorithmen. 3 Grundlagen von Datenstrukturen. 4 Grundlagen der Korrektheit von Algorithmen

Algorithmische Graphentheorie

Einführung in die Mathematik des Operations Research

Helmut Schauer Educational Engineering Lab Department for Information Technology University of Zurich. Graphen (2)

Startzustand. Mögliche heuristische Funktionen:

Theoretische Informatik 1

ADS: Algorithmen und Datenstrukturen 2

12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013

Aufgabe 1: Berechnen Sie für den in Abbildung 1 gegebenen Graphen den. Abbildung 1: Graph für Flussproblem in Übungsaufgabe 1

Vorlesung 2: Graphentheorie

5.4 Verteilungsfunktion Verteilungsfunktion diskreten Zufallsvariablen stetigen Zufallsvariablen Verteilungsfunktion

Abgabe: (vor der Vorlesung)

Routing Algorithmen. Begriffe, Definitionen

Diskrete Mathematik Graphentheorie (Übersicht)

MafI I: Logik & Diskrete Mathematik (F. Hoffmann)

Algorithmen und Datenstrukturen

Vier-Farben-Vermutung (1)

Algorithmen und Datenstrukturen (für ET/IT)

Flüsse und Zuordnungen. Kapitel 6. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296

Algorithmen und Datenstrukturen

Richtig oder falsch? Richtig oder falsch? Richtig oder falsch? Mit dynamischer Programmierung ist das Knapsack- Problem in Polynomialzeit lösbar.

Kürzeste Wege in einem gewichteten Graphen. Anwendungen

Name:... Vorname:... Matr.-Nr.:... Studiengang:...

2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37

Kap. 6.6: Kürzeste Wege

Freie Bäume und Wälder

Dynamische Programmierung. Problemlösungsstrategie der Informatik

Lösungen zu Kapitel 5

Kap. 6.6: Kürzeste Wege

Algorithmen und Datenstrukturen

Transkript:

Beispiel 3.. Wir etrachten das folgende nicht gerichtete Netzwerk: v=a 9 4 c 5 2 1 6 4 d e 13 1 f 26 18 3 5 4 g 2 2 h i Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 86 Bemerkung 3.6. Der Algorithmus kann leicht so erweitert werden, daß nicht nur die Astände sondern auch die kürzesten Wege erechnet werden. In einem Netzwerk mit negativen Katenlängen ist es möglich, daß der Dijkstra-Algorithmus falsche Astände erechnet und zwar selst dann, wenn keine Kreise negativer Länge existieren. Durch Wahl einer geeigneten Datenstruktur für die Selektion des Knotens in Schritt 3 kann die Laufzeit u.u. erhelich veressert werden. Für die Berechnung von Routen in Straßennetzen enötigt man optimierte Varianten des Dijkstra-Algorithmus. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 8

' ' ' Kürzeste Wege in DAGs Da in DAGs keine Kreise auftreten, hat man auch kein Prolem mit negativen Längen. Satz 3.6. Gegeen sei ein gerichtetes Netzwerk mit. Wir lassen auch! "## %$& zu. ( sei )* eine topologische Sortierung von. Dann ergit sich die Länge ' eines kürzesten Weges (*+ * von zu einem Knoten durch die folgende Rekursion für 1. ' :, -. 2. Für /1 2 : (* 3 4 65&(8 *9;:;< =?><6@A?BDCFE G ( *+ IH min ( Beispiel 3.8. Tafel. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 88 Bemerkung 3.. Ersetzt man in Satz 3.6 min durch max, so erhält man die Länge eines längsten Weges. Das allgemeine Entscheidungsprolem, o in einem (ungerichteten) LNM Netzwerk ein (einfacher) Weg der Länge J K existiert, ist dagegen -vollständig. Die in Satz 3.6 angewendete Vorgehensweise, eine optimale Lösung durch eine estmögliche Komination von Suprolemen zu finden, nennt man dynamisches Programmieren. Satz 3.6 läßt sich in einen Algorithmus mit Zeitkomplexität O umsetzen. Beweis. Mit Induktion üer /. Tafel. W 6P PQHRPTSUPV Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 89

2 / Bemerkung 3.8. Mit dem Verfahren aus Algorithmus 3.6 können nicht nur kürzeste zw. längste Wege sondern auch Anzahlen von Wegen erechnet werden. Z.B. die Anzahl der verschiedenen Wege von * nach. Hierfür muß der Minimum-Operator nur durch die Summenildung ersetzt werden. Für optimale Wege in DAGs git es eine Fülle von Anwendungen. Wir etrachten zwei: Optimale Einteilung in Blöcken (z.b. in der Textverareitung) Projektplanung Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 9 Blocksatzildung Beispiel 3.9. [Berechnung optimaler Blockungen] Gegeen ist eine Folge X YZ # #[\ Jeder Gegenstand hat eine Länge K von [ Gegenständen.. Die Gegenstände sollen in Blöcke eingeteilt werden, woei die Idealgröße eines Blockes ] ist. Die Gesamtlänge der Gegenstände in einem Block darf ] nicht üersteigen. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 91

t 2 o / Die Gegenstände dürfen nicht umsortiert werden. Ein Block ] sich also durch einen Index / mit (^_ H / 2 ist das erste Element im Block und / ist das letzte Element im Block ]. ergit Für die Aweichung der Länge eines Blockes ] Ia c)d *(= * =Ve#fg K ihj von ] wird eine Bewertung definiert, die monoton in. der Größe der Aweichung ist, z.b. ]lkm ) n Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 92 Gesucht ist eine Blockung, die eine möglichst kleine Bewertung hat, also eine Anzahl o p an Blöcken und eine Folge s"s"s m[ /6t mit nvuxw d ]lkm min /rq / n unter den Bedingungen * = c)d * =Veyfg K ihj {z ] für Y " "y Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 93

/ ~ K 2 ~ K ] 2 2 Beispielprolem: Länge der Gegenstände: }x+}x Blockgröße: 1 gierige Einteilung: ~ 2 }x} ~(2 ~(2, Bewertung: 81 andere Einteilung: ~ y ~(2 +} }x 2 ~(2, Bewertung: 33 Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 94 Modellierung des Prolems als Wegeprolem: a m +&Y ""#+[ ƒ S a m! P / und c)d * g G a Gewichte: / ]lk ihj {z c)d * g ihj n Jeder Weg von nach [ definiert dann eine zulässige Einteilung in Blöcke, woei die Bewertung dieser Blockung gleich der Länge des Weges ist. Also: Finde einen Weg minimaler Länge von nach [. Auf diesem Prinzip asiert die Formatierung in TeX. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 95

Projektplanung mit Netzplantechnik Beispiel 3.1. [Netzplantechnik mit CPM] Bei der Durchführung umfangreicher Projekte ist es erforderlich, daß einzelne Teilaufgaen (Jos) zeitlich genau aufeinander agestimmt werden. Hierfür werden häufig Methoden der Netzplantechnik eingesetzt. Die ekannteste Methode der Netzplantechnik heißt CPM (Critical Path Method). ˆ Ž hat eine zugeordnete Dauer sowie eine Menge Œ ˆ von Vorgängern. Nˆ sei die Menge der Jos eines Projekts. Jeder Jo Š Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 96 Ein Jo kann erst dann gestartet werden, wenn alle Jos aus Œ eendet wurden. Wir gehen davon aus, daß Jos parallel eareitet werden können. Man möchte z.b. wissen: A welchem Zeitpunkt kann mit einem Jo egonnen werden? Wie lange wird ein Projekt dauern? Welche Jos sind esonders kritisch in ezug auf die Gesamtdauer eines Projekts? Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 9

Beispiel 3.11. Zusammenau eines Fahrrads: Jo Beschreiung Dauer Vorg. a Rahmen vorereiten (Gael, Schutzleche, usw.) 6 Kettenführung anringen 2 c Gangschaltung anringen 3 d Kettenlatt an Kurel montieren 4 e Vorderrad montieren und anpassen 6 a f Hinterrad montieren und anpassen 6 a,c g Kurel am Rahmen anringen 3 d h Endmontage (Lenker, Sattel, usw.) 12 e,f j Linkel Pedal anringen 3 c,g k Rechtes Pedal anringen 3 c,g Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 98 Die Ahängigkeiten der Jos untereinander können wir in Form eines DAGs repräsentieren. Die Knoten stellen hierei die Jos dar. Die Kanten stellen Vorgängereziehungen zwischen den Jos dar. e a f h c j d g k Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 99

Die Jos und können offensichtlich sofort egonnen werden. Der Jo kann egonnen werden, wenn eendet ist und wenn eendet ist. ist nach einer Dauer von 6 eendet, nach einer Dauer von 5, da erst gestartet werden kann, wenn eendet ist. Somit kann zum Zeitpunkt 6 egonnen werden. Allgemein: Der frühste Starttermin eines Jos ergit sich durch einen Weg zu diesem Jo mit maximaler Gesamtdauer. Hier liegen die Bewertungen nun auf den Knoten. Tafel: Frühste Starttermine für die Jos des Beispiels. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 1 Die Critical-Path-Method CPM stellt eine Modellierung dar, ei der die Jos die Kanten eines DAGs sind. Die Knoten können als Fertigstellungsereignisse angesehen werden. Projekteginn a 6 2 c 3 d 4 r e 6 h 12 f 6 j 3 Projektende g 3 k 3 Die Kanten stellen einen längsten Weg vom Projekteginn zum -ende dar (kritische Pfad). Die Gesamtlaufzeit des Projekts ist also 24. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 11

Für die Projektplanung sind u.a. die folgenden interessant: Projektdauer : Länge eines längsten Weges (kritischer Pfad) vom Projekteginn is zum Projektende. Starttermin für Jos : Länge eines längsten Weges is zum Startknoten von. Zeitkritische Jos: Alle Jos, die auf einem kritischen Pfad liegen. Pufferzeit für Jo : k Länge eines längsten Weges, der Kante enthält. Und warum verzögern sich Projekte trotz ausgefeilter Planungsmethoden? Siehe Üungen. Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 12 Zusammenfassung des Kapitels Charakterisierung und Berechnung von Eulerwegen (Hierholzer- Algorithmus) Hamiltonsche Wege und Kreise (Berechnung ist schwer) Dijkstra-Algorithmus zur Ermittlung kürzester Wege Dynamische Programmierung zur Berechnung kürzester Wege in DAGs Anwendungen: Blocksatzildung und Netzplantechnik Einführung in die Graphentheorie FH Bonn-Rhein-Sieg, WS 1/2 13