1.Aufgabe: Minimal aufspannender Baum

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

Algorithmische Graphentheorie

Wie wird ein Graph dargestellt?

Einführung in die Mathematik des Operations Research

Wiederholung zu Flüssen

Maximale s t-flüsse in Planaren Graphen

9 Minimum Spanning Trees

Graphalgorithmen Netzwerkalgorithmen. Laufzeit

Studientag zur Algorithmischen Mathematik

Algorithmen und Datenstrukturen 2-1. Seminar -

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

KAPITEL 3 MATCHINGS IN BIPARTITEN GRAPHEN

Flüsse, Schnitte, Bipartite Graphen

Flüsse, Schnitte, bipartite Graphen

Effiziente Algorithmen I

Kombinatorische Optimierung

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Algorithmen & Komplexität

Das Heiratsproblem. Definition Matching

2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2006/ April 2007

Theoretische Informatik 1

Flüsse, Schnitte, bipartite Graphen

Operations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.

Bipartite Graphen. Beispiele

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

Matching. Organisatorisches. VL-18: Matching. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger. Tanzabend

Minimal spannende Bäume

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

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

1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/2006

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

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph

Algorithmen und Datenstrukturen 2

1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2006/ März 2007

KAPITEL 4 FLÜSSE IN NETZWERKEN

Graphalgorithmen 2. Dominik Paulus Dominik Paulus Graphalgorithmen / 47

FLÜSSE, SCHNITTE UND - TEIL 2 - BIPARTITE GRAPHEN. Vortrag im Seminar Hallo Welt Für Fortgeschrittene Dozenten: Werth, T. & Brinkers, D.

Das Steinerbaumproblem

3. Musterlösung. Problem 1: Boruvka MST

Klausur zum Modul Einführung in die Diskrete Mathematik

10. Übungsblatt zu Algorithmen I im SoSe 2016

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

Muster. Informatik 3 (Februar 2004) Name: Matrikelnummer: Betrachten Sie den folgenden Suchbaum. A G H J K M N

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

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

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

1. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2009/2010

Bäume und Wälder. Definition 1

Minimal spannender Baum

Das Briefträgerproblem

6 Flüsse und Matchings

Algorithmen und Datenstrukturen Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor

3. Minimale Spannbäume. Definition 99 T heißt minimaler Spannbaum (MSB, MST) von G, falls T Spannbaum von G ist und gilt:

4. Welchen Zusammenhang gibt es zwischen den Eckengraden und der Anzahl der Kanten eines ungerichteten Graphen?

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)

Übungsblatt 2 - Lösung

11. GRAPHEN 3 FLÜSSE UND SPANNBÄUME

5. Musterlösung. Problem 1: Vitale Kanten * ω(f) > ω(f ). (a) Untersuchen Sie, ob es in jedem Netzwerk vitale Kanten gibt.

ADS: Algorithmen und Datenstrukturen 2

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Graphalgorithmen 2. Oleksiy Rybakov. 3. Juni Betreuer: Tobias Werth, Daniel Brinkers

1 Kürzeste Pfade in Graphen

Diskrete Mathematik 1

WS 2013/14. Diskrete Strukturen

Kapitel 4: Netzplantechnik Gliederung der Vorlesung

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

Kürzeste Wege in einem gewichteten Graphen. Anwendungen

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

6. Flüsse und Zuordnungen

Diskrete Strukturen Kapitel 4: Graphentheorie (Bäume)

Programmierkurs Python II

Freie Bäume und Wälder

TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 6: Matchings und TSP-Problem

Felix Brandt, Jan Johannsen. Vorlesung im Wintersemester 2008/09

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Durchschnitt von Matroiden

2. Entsprechende Listen P i von Vorgängern von i 3. for i := 1 to n do. (ii) S i = Knoten 2 + 1}

durch Einfügen von Knoten konstruiert werden kann.

4.7 Der Algorithmus von Dinic für maximalen Fluss

6. Übung zur Linearen Optimierung SS08

Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen

Ausarbeitung über den Satz von Menger und den Satz von König

Ferienkurs zur algorithmischen diskreten Mathematik Kapitel 3: Minimal aufspannende Bäume und Matroide

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

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

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

1 Matroide. 1.1 Definitionen und Beispiele. Seminar zur ganzzahligen Optimierung Thema: Durchschnitt von Matroiden - Satz von Edmonds von Dany Sattler

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

WS 2008/09. Diskrete Strukturen

Wie komme ich von hier zum Hauptbahnhof?

Nachklausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)

Algorithmentheorie Maximale Flüsse

Graphen: Datenstrukturen und Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen

2. Klausur zur Vorlesung Algorithmentechnik Wintersemester 2005/ April 2006

Maximale s t-flüsse in Planaren Graphen

f h c 7 a 1 b 1 g 2 2 d

Algorithmen und Datenstrukturen

Transkript:

1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus von Prim einen MST im Graphen G aus Abbildung 1. Starte dabei mit dem Knoten v 1 und gib die Knoten in der Reihenfolge an, in der sie in den Baum aufgenommen werden, sowie den berechneten MST. (b) Gegeben sei ein ungerichteter Graph G mit Kantengewichten c : E(G) R und ein ausgezeichneter Knoten v V (G). Gesucht wird ein minimaler aufspannender Baum, in dem v kein Blatt ist. Angenommen, wir lassen den Algorithmus von Kruskal oder Prim auf G laufen und erhalten einen MST T, in dem v ein Blatt ist. Beweise oder widerlege: Hinzufügen der nächst billigen Kante e, die zu v inzident ist und Entfernen der teuersten Kante f im entstehenden Kreis in T {e} liefert das gewünschte Ergebnis (als Baum T {e}\{f}). (c) Gegeben sei ein ungerichteter Graph G mit Kantengewichten c : E(G) R. Gesucht wird ein aufspannender Baum, in dem die schwerste Kante so leicht wie möglich ist. Wir bezeichnen diesen Baum als Bottleneck-Spannbaum. Zeige, dass ein minimaler aufspannender Baum ein Bottleneck-Spannbaum ist. 1

2.Aufgabe: Kürzester Weg 8+5 Punkte v 1 s 4 3 3 2 e 1 e 2 e 3 v 2 1 e 4 e e 5 3 e7 5 t v 3 Abbildung 2: Der Graph G mit Kantenlängen (a) Bestimme im Graphen aus Abbildung 2 mit Hilfe des Algorithmus von Moore, Bellman und Ford einen kürzesten Weg von s nach t. Gib für jeden Schleifendurchlauf die Längen und die Vorgänger, die sich ändern, an. Durchlaufe die Kanten immer in der Reihenfolge e 1, e 2,..., e 7. (b) Sei G ein gerichteter Graph mit Kantengewichten c : E(G) R, wobei c(e) < 0 möglich ist. Zeige oder widerlege die folgende Aussage: Wir definieren c(e) = c(e) + K, wobei K so gewählt wird, dass c(e) 0 e E. Nun bestimmen wir einen kürzesten Weg in G mit Kantengewichten c. Behauptung: Dieser Weg ist auch ein kürzester Weg in G mit Kantengewichten c. 3.Aufgabe: Maximaler Fluss 7+7 Punkte (a) Gib den Residualgraphen und die Residualkapazitäten zum Netzwerk (G, u, s, t) aus Abbildung 3 an. (b) Führe eine Iteration des Algorithmus von Edmonds und Karp aus. Gib dazu den augmentierenden Pfad und das Netzwerk mit den neuen Flusswerten an. 2

4,2 v 1 v 2 8,4 5,2 2,0 2,2 s 3,3 1,1 2,2 v 3 v 4 3,1 1,1 7,3 t 5,3 v 5 v Abbildung 3: Das Netzwerk (G, u, s, t). Die Tupel an den Kanten haben die Form (Kapazität, Flusswert). 4.Aufgabe: Maximales Matching 3+7+5+2 Punkte v 1 v 2 v 1 v 2 v 3 v 3 v 4 v 5 v v 7 v 8 v 4 v 5 v 9 v 10 v 11 v 12 (a) v v 7 v 8 (b) Abbildung 4: (a) Graph G 1, (a) Graph G 2 (a) Betrachten den Graphen G 1 mit Matching M 1 = {{v 1, v 5 }, {v 2, v 8 }, {v 3, v 4 }, {v 9, v 10 }, {v 11, v 12 }} in Abbildung 4(a) und den Graphen G 2 mit Matching M 2 = {{v 1, v 2 }, {v 4, v 5 }} in Abbildung 4(b). Bestimme Matchings maximaler Größe für G 1 und G 2 durch Verbesserungen der aktuellen Matchings mittels augmentierender Pfade. (b) Das Problem ein kardinalitätsmaximales Matching in einem bipartiten Graphen lässt sich durch Formulierung als Flußproblem lösen. Beschreibe das Vorgehen. (c) Betrachte den bipartiten Graphen G aus Abbildung 5. Es soll mit Hilfe der Flussformulierung ein kardinalitätsmaximales Matching in G bestimmt werden. 3

v 1 v v 2 v 7 v 3 v 8 v 4 v 9 v 5 v 10 Abbildung 5: Graph G. Zeichne das Netzwerk, in dem ein maximaler Fluss bestimmt werden muss. (d) Trage einen Fluss mit Wert 4 in das Netzwerk aus (c) ein. (Hinweis: Dazu braucht kein Algorithmus angewendet zu werden.) 5.Aufgabe: Perfektes Matching 5+2+10 Punkte (a) Hat der Graph G aus Abbildung ein perfektes Matching? Begründe deine Aussage. (b) Ist der Graph G aus Abbildung 7 bipartit? Begründe deine Aussage. (c) Gegeben sei der Graph G aus Abbildung 7 und das Matching M = {e 5, e }. Entscheide mit Hilfe von Algorithmus 5.15 (Blossom-Algorithmus) aus der Vorlesung, ob G ein perfektes Matching hat oder nicht. Starte dabei mit dem Matching M. Gib nach jeder an. Augmentierung das neue Matching Baum-erweitern-Operation den neuen Baum Schrumpfung den neuen Baum und den Graphen G Wähle dabei immer den ungematchten Knoten mit dem kleinsten Index als Startknoten für den Baum. Kommen bei der Auswahl der Kante in Schritt 3 von Algorithmus 5.15 mehrere Kanten in Frage, wähle die mit dem kleinsten Kantenindex..Aufgabe: Fragen 3+3+3+4+3 Punkte Alle Antworten bitte mit Begründung. 4

v 1 v 2 v 3 v 4 v 5 v v 7 v 8 v 9 v 10 v 11 v 12 v 13 v 14 v 15 v 1 v 17 v 18 Abbildung : Graph G. 5

v e 7 v 4 e 2 v 5 e 5 e 3 e e 1 e 4 v 1 v 2 v 3 Abbildung 7: Graph G. (a) Vergleiche den Moore-Bellman-Ford-Algorithmus mit dem Algorithmus von Dijkstra. Nenne einen Vorteil und einen Nachteil des ersten gegenüber dem zweiten. (b) Gib eine möglichst große Klasse von Graphen an, für die der Blossom-Algorithmus ein perfektes Matching findet. (c) Ist das Problem, einen minimalen s-t-cut in einem Netzwerk (G, u, s, t) zu finden, in polynomieller Zeit lösbar? Warum? (d) Welche Schlüsseleigenschaft muss ein Problem aufweisen, wenn es mit Dynamischer Programmierung gelöst werden soll? (e) Nenne einen Greedy-Algorithmus für das Problem der Bestimmung eines MSTs. Viel Erfolg!!!