maximaler Fluss & minimaler Schnitt

Ähnliche Dokumente
Algorithmentheorie Maximale Flüsse

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm

Konzepte der Informatik

Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen

Anmerkungen zur Übergangsprüfung

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x y = x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

Das Briefträgerproblem

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

8 Diskrete Optimierung

Datenstrukturen und Algorithmen SS07

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Realschulabschluss Schuljahr 2008/2009. Mathematik

Gliederung. Definition Wichtige Aussagen und Sätze Algorithmen zum Finden von Starken Zusammenhangskomponenten

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

1 topologisches Sortieren

Algorithmen und Datenstrukturen

WS 2009/10. Diskrete Strukturen

Statische Timing-Analyse

Datenstrukturen & Algorithmen

16. All Pairs Shortest Path (ASPS)

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln

HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG. Das Luzifer-Rätsel. Prof. Dr. Hartmut Plesske Wintersemester 2008/09. von.

Vorkurs Mathematik Übungen zu Polynomgleichungen

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)

Repetitionsaufgaben: Lineare Funktionen

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Maximizing the Spread of Influence through a Social Network

Lineare Programmierung

Approximationsalgorithmen

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke

Informatik I WS 07/08 Tutorium 24

3. Anwendungen Chemische Reaktionen. Aufgabe: Die Gleichung + +

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf

Algorithmen und Datenstrukturen Suchbaum

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

Wie Google Webseiten bewertet. François Bry

Guten Morgen und Willkommen zur Saalübung!

Angewandte Mathematik

THÜRINGER KULTUSMINISTERIUM

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Vorlesung 3 MINIMALE SPANNBÄUME

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Algorithmen und Datenstrukturen 2

Praktikum Planare Graphen

Kapitel 4: Analyse von Petrinetzen

Schwierige Probleme in der Informatik Informationen für die Lehrperson

Informatik II. PVK Part1 Severin Wischmann n.ethz.ch/~wiseveri

4 Greedy-Algorithmen (gierige Algorithmen)

Das Collatz Problem. Dieter Wolke

Von optimaler Partnerwahl, minimalen Schnitten und maximalen Flüssen. Schülerwoche der Bonner Mathematik 2013

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Download. Mathematik üben Klasse 8 Funktionen. Differenzierte Materialien für das ganze Schuljahr. Jens Conrad, Hardy Seifert

Informatik I WS 07/08 Tutorium 24

Seminar Werkzeuggestütze. tze Softwareprüfung. fung. Slicing. Sebastian Meyer

Thüringer Kultusministerium

Statistische Untersuchungen zu endlichen Funktionsgraphen

Einführung in Petri-Netze. Modellierung von Abläufen und Prozessen (1) Abhängigkeitsgraphen: Motivation. Petri-Netze

Der Bipolar-Transistor und die Emitterschaltung Gruppe B412

Thema: Risikomanagement

Graphen: Datenstrukturen und Algorithmen

Falten regelmäßiger Vielecke

Wissensbasierte Systeme

Einführung in Scheduling

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn

JÄHRLICHE MWST. MITTEILUNG

Kapitel MK:IV. IV. Modellieren mit Constraints

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

6 Conways Chequerboard-Armee

3 Quellencodierung. 3.1 Einleitung

Übung 1 RS-FFs mit NOR- oder NAND-Gattern

Modellierung biologischer. Christian Maidorfer Thomas Zwifl (Seminar aus Informatik)

Statische Timing-Analyse

1. Netzplantechnik als Planungsmethode 2

a n auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

Programmierung 2. Dynamische Programmierung. Sebastian Hack. Klaas Boesche. Sommersemester

Kombinatorische Optimierung

Bestimmung einer ersten

Parallele und funktionale Programmierung Wintersemester 2013/ Übung Abgabe bis , 16:00 Uhr

Analyse bivariater Kontingenztafeln

Alles zu seiner Zeit Projektplanung heute

Beispiele für Relationen

Bearbeitungshinweise. (20 Punkte)

Prozessmodellierung mit Petri-Netzen

NP-Vollständigkeit. Krautgartner Martin ( ) Markgraf Waldomir ( ) Rattensberger Martin ( ) Rieder Caroline ( )

Text Mining - Wissensrohstoff Text

Undirected Single-Source Shortest Paths with Positive Integer Weights in Linear Time

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

Teil II. Nichtlineare Optimierung

Die ZB-Abzinsfaktoren lassen sich aus der Nullkuponzinsstrukturkurve berechnen: Abb. 1: Barwert der Festzinsseite. Seite 1 von 10

Mathematik. Prüfung zum mittleren Bildungsabschluss Saarland. Schriftliche Prüfung Pflichtaufgaben. Name: Vorname: Klasse:

WS 2013/14. Diskrete Strukturen

Zeichnen von Graphen. graph drawing

D6. Ein Liter Wassertank wird mit einer Geschwindigkeit von 220 Litern pro Minute gefüllt.

Neuronale Netze mit mehreren Schichten

Beispielarbeit. MATHEMATIK (mit CAS)

Transkript:

maximaler Fluss & minimaler Schnitt Referat in angewandte Logistik Marcus Pottendorfer HTBLuVA Sankt Pölten

Inhalt Maximaler Fluss minimaler Schnitt... 2 Grundbegriffe... 2 Erklärung... 2 Minimaler Schnitt... 4 Persönliches Beispiel:... 6 Dateiname: referat_pottendorfer_max_fluss 1/8

Maximaler Fluss minimaler Schnitt Grundbegriffe Netzwerk: Ein Netzwerk N=(G, u, q, s) besteht aus einem gerichteten Graphen G=(V,E) mit zwei ausgezeichneten Knoten, einer Quelle q und einer Senke s aus V, sowie einer Kapazitätsfunktion u: E {R}+, die jeder Kante eine nichtnegative Kapazität zuweist, e u(e). Hat die Kapazitätsfunktion ausschließlich ganzzahlige Werte, so existiert eine maximale Flussfunktion, die ebenfalls nur ganzzahlige Werte hat. Fluss: Ist eine Funktion die jeder Kante im Netzwerk einen nichtnegativen Wert zuweist. Dabei muss folgende Bedingung erfüllt werden: o Kapazitätskonformität: Der Flusswert auf einer Kante ist höchstens so groß wie die Kapazität der Kante, das heißt es gilt: Ist zusätzlich die folgende Bedingung erfüllt, heißt der Fluss s-t-fluss: Flusserhalt: Der Input und der Autput jedes Knotens müssen gleich sein. Dabei ist die Menge der in v hineinführenden und die Menge der hinausführenden Einheiten. Gilt der Flusserhalt zusätzlich auch in q und s spricht man von einer Zirkulation. o Wert: Der Wert eines q-s-flusses f ist der Überschuss im Knoten q oder der Betrag des Überschusses im Knoten s. Für alle q-s-flüsse ist der Überschuss bis auf q, s für alle Knoten Null. Bei Zirkulationen ist er auch in q und s Null. Erklärung Maximaler Fluss Dateiname: referat_pottendorfer_max_fluss 2/8

Ein Südfrüchtekonzern hat Bananen von den mittelamerikanischen Plantagen zu den europäischen Märkten zu transportieren. Er möchte die freien Transportkapazitäten seiner Schifahrtslinien optimal nutzen. Dabei gibt es einen Ausgangshafen A (Quelle, q) und einen Zielhafen Z (Senke, s). Die Zahlen an den gerichteten Kanten geben die Transportkapazität an. Aufgabenstellung: Wie groß ist die maximale von A nach Z transportierbare Bananenmenge, wenn unterwegs keine Bananen verloren gehen, dazukommen oder gelagert werden? Dh. Es ist der maximale Fluss von der Quelle (A) zur Senke (Z) gesucht. Lösungsweg: Auf dem Weg A B E Z lassen sich maximal 5 Einheiten transportieren. Dies ergibt sich da die Kante AB bereits gesättigt ist. Auf dem Weg A C D Z lässt sich maximal eine Einheit transportieren, da die Kante CD bereits gesättigt ist. Im Folgenden wird die bisherige Auslastung graphisch notiert: Jedoch wurden bei dieser Ausarbeitung noch nicht die Kanten CD und BD berücksichtigt. Da eine Freikapazität der Kante EZ sowie der Kante AC vorhanden ist kann auf dieser Kante noch eine weitere Einheit transportiert werden. Somit entsteht ein maximaler Fluss von 7 Einheiten. Nun wird dies wieder graphisch veranschaulicht: Dateiname: referat_pottendorfer_max_fluss 3/8

Nun kann mit dem minimalen Schnitt überprüft werden ob das Ergebnis von 7 für den Fluss wirklich maximal ist. Minimaler Schnitt Der minimale Schnitt kann auf 2 verschiedene Arten definiert werden: Einerseits dieser durch den Schnitt durch die geringsten Kanten angegeben werden. Dies ist aber nur bei Graphen anzuwenden die keine Kantenkapazität besitzen. Bei Graphen mit Kantenkapazität ist der minimale Schnitt der Schnitt mit dem geringsten Kantengewicht zischen Quelle und Senke. Beim minimalen Schnitt addiert man die Kapazitäten die der Schnitt durchtrennt. In unserem Fall wäre dies 5 (Kante AB) + 3 (Kante CE) + 1 (Kante CD) =9 Dieses Ergebnis stimmt nicht mit dem vorher berechneten maximalen Fluss von 7 überein. Dies bedeutet, dass dieses Netz weiter optimiert werde kann. Diese wird im Graphen Optimierung folgenden dargestellt: Dateiname: referat_pottendorfer_max_fluss 4/8

Man sieht, dass nun die Kante AB, CE und CD voll ausgelastet ist. Dies ist wichtig da genau durch diese Kanten der Schnitt verläuft und der Schnitt nun minimal ist. Es ist offensichtlich, dass der maximale Fluss höchstens so groß sein kann wie ein Schnitt mit kleinster Kapazität (minimaler Schnitt). Es gilt: Der Wert eines maximalen Flusses ist gleich der Kapazität eines minimalen Schnittes. (Ford, Fulkerson, 1957) Dateiname: referat_pottendorfer_max_fluss 5/8

Persönliches Beispiel Aufgabenstellung Versuche im folgenden Graph den maximalen Fluss bzw. den minimalen Schnitt zu finden. Der Graf soll aus 10 Knoten (stehen für 10 Städte in Kolumbien), wobei ein Knoten die Quelle und ein Knoten die Senke ist. Ausarbeitung 1. Schritt: Erstellen eines Netzwerkes Quelle 15 9 A 6 10 6 5 C D 15 E 7 5 4 F G 9 6 H 11 6 Senke B Hier sieht man den fertigen Grafen. Es handelt sich hierbei um einen gerichteten Graphen da die Kanten Pfeile haben. Weiters ist die Kantenkapazität der einzelnen Kanten angegeben. Man sieht hier recht deutlich, dass es nicht mehr so klar wie im letzten Beispiel ist den maximalen Fluss zu bestimmen. Bei diesem Beispiel muss genau überlegt werden wo wieviel Güter transportiert werden um das Maximum herauszuholen. 2. Schritt: Finden des maximalen Flusses Nach dem das Netzwerk erstellt wurde kann überlegt werden wie bei diesem Netzwerk ein maximaler Fluss zustande kommen kann. Dateiname: referat_pottendorfer_max_fluss 6/8

Quelle 11/15 4/9 A 5/5 4/10 C D 15/15 6/7 E 4/4 5/5 F G 5/9 10/11 H 5/6 Senke B Man beginnt mit der Bestimmung der zu transportierenden Einheiten am Beginn des Graphen d.h. von der Quelle ausgehende. Hier versucht man natürlich so viele Einheiten wie irgendwie möglich abzutransportieren. Somit beansprucht man zu Beginn die volle Kapazität aller Kanten d.h. QA=15, QC=6 und QB=9. Im weiteren wird sich herausstellen, dass dies nicht ganz möglich ist. Problem 1:QA=15 Somit sind 15 Einheiten am Punkt A verfügbar. Jedoch kann dieser durch die Kanten AC und AD insgesamt maximal nur 11 Einheiten abtransportieren. Somit muss man die Transportmenge auf der Kante QA von 15 auf 11 reduzieren. Problem 2: QB=9 Dieses Mal sind somit 9 Einheiten am Knoten B vorhanden. Von diesem geht jedoch nur eine Kante aus, die die Kapazität von 4 hat. Dies bedeutet das man auch die Menge von QB auf 4 reduzieren muss. Dieses Verfahren unternimmt man so oft bis die Senke erreicht wurde. Somit wird der maximale Fluss von 21 Ermittelt. Dateiname: referat_pottendorfer_max_fluss 7/8

3. Schritt: Minimaler Schnitt Quelle 11/15 4/9 A 5/5 4/10 C D 15/15 6/7 E 4/4 5/5 F G 5/9 10/11 H 5/6 Senke B Das Ergebnis des minimalen Schnitts ergibt einen Wert von 21. Somit trifft die Aussage: Der Wert eines maximalen Flusses ist gleich der Kapazität eines minimalen Schnittes. zu. Der maximale Schnitt bzw. der minimale Schnitt wurde gefunden und Beträgt 21. Quellen: Wikipedia Diverse PDF Skriptums Dateiname: referat_pottendorfer_max_fluss 8/8