Tutoraufgabe 1 (Suchen in Graphen):

Ähnliche Dokumente
Das Briefträgerproblem

1 topologisches Sortieren

Algorithmen und Datenstrukturen 2

Graphen: Datenstrukturen und Algorithmen

Algorithmen und Datenstrukturen (WS 2007/08) 63

Guten Morgen und Willkommen zur Saalübung!

WS 2009/10. Diskrete Strukturen

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.

Datenstrukturen & Algorithmen

8 Diskrete Optimierung

4 Greedy-Algorithmen (gierige Algorithmen)

Informationsblatt Induktionsbeweis

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

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

Bäume und Wälder. Bäume und Wälder 1 / 37

Algorithmen und Datenstrukturen 2

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

Bäume und Wälder. Bäume und Wälder 1 / 37

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm

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

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

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

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK

Datenstrukturen und Algorithmen SS07

Graphentheorie. Organisatorisches. Organisatorisches. Organisatorisches. Rainer Schrader. 23. Oktober 2007

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

Informatik 11 Kapitel 2 - Rekursive Datenstrukturen

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

Primzahlzertifikat von Pratt

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

Tutorium Algorithmen & Datenstrukturen

Anmerkungen zur Übergangsprüfung

Kombinatorische Optimierung

Periodische Fahrpläne und Kreise in Graphen

Algorithmen und Datenstrukturen

Pratts Primzahlzertifikate

WS 2013/14. Diskrete Strukturen

Algorithmen und Datenstrukturen Suchbaum

Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (20 Graphen) T. Lauer

16. All Pairs Shortest Path (ASPS)

Grundbegriffe der Informatik

Aufgabe 3: Übersetzen Sie die folgenden natürlich-sprachlichen Aussagen in die Sprache der

Breiten- und Tiefensuche in Graphen

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Kapiteltests zum Leitprogramm Binäre Suchbäume

ABITURPRÜFUNG 2009 LEISTUNGSFACH INFORMATIK

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

Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik

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

Analysis I für Studierende der Ingenieurwissenschaften

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

5.1 Drei wichtige Beweistechniken Erklärungen zu den Beweistechniken... 56

Zeichnen von Graphen. graph drawing

Kapitel 6: Graphalgorithmen Gliederung

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany Stammbaum. Stammbaum. Stammbaum

Abstrakt zum Vortrag im Oberseminar. Graphdatenbanken. Gero Kraus HTWK Leipzig 14. Juli 2015

Algorithmentheorie Maximale Flüsse

Praktikum Planare Graphen

2.11 Kontextfreie Grammatiken und Parsebäume

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering

Algorithmen & Datenstrukturen 1. Klausur

Theoretische Informatik

Datenstrukturen. Mariano Zelke. Sommersemester 2012

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Vorlesung Theoretische Informatik

3 Quellencodierung. 3.1 Einleitung

Konzepte der Informatik

KONSTRUKTION VON ROT-SCHWARZ-BÄUMEN

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Kap. 4.2: Binäre Suchbäume

S=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J

Informatik I WS 07/08 Tutorium 24

Grundlagen der Programmierung 2. Bäume

Eine molekulare Lösung des Hamiltonkreisproblems mit DNA

Information Systems Engineering Seminar

Diskrete Mathematik für Informatiker

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie

Leitfaden Lineare Algebra: Determinanten

Erzeugung zufälliger Graphen und Bayes-Netze

Grundwissen Informatik Q11/12 Fragenkatalog

Alles zu seiner Zeit Projektplanung heute

2.5. VERBINDUNGSNETZWERKE GESTALTUNGSKRITERIEN DER NETZWERKE TOPOLOGIE ALS GRAPH. Vorlesung 5 TOPOLOGIE: DEFINITIONEN : Sei G = (V, E) ein Graph mit:

Maximizing the Spread of Influence through a Social Network

Algorithmen und Datenstrukturen. Große Übung vom Nils Schweer

DAP2-Klausur

15 Optimales Kodieren

Efficient Parallel Algorithms for Edge Coloring Problems H. Karloff, D. Shmoys Journal of Algorithms 8, (1987)

Ein Algorithmus für die

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Wissensbasierte Systeme

8. Uninformierte Suche

Rekursionsanfang, Rekursionsschritt oder äquivalente Antworten. (z.b.: Abbruchbedingung (= Basisfall), eigentliche Rekursion (= Selbstaufruf))

Statistische Untersuchungen zu endlichen Funktionsgraphen

Tutoren Simon Andermatt Lukas Beck. Alexis Peter Thomas Ritter

Dynamische Optimierung. Kapitel 4. Dynamische Optimierung. Peter Becker (H-BRS) Operations Research II Wintersemester 2014/ / 206

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Tutoren Jan Ebbe Pat Mächler Valentino Rugolo Sascha Scherrer. Grundlagen der Programmierung (CS101) - Blatt 8 Theorie [4 Punkte] - Praxis [12 Punkte]

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

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

Transkript:

Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS14 F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe 1 (Suchen in Graphen): a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn auf dem folgenden Graphen Breitensuche ausgehend von Knoten 1 ausgeführt wird. Wenn mehrere Knoten zur Wahl stehen, wählen Sie den Knoten mit dem kleinsten Schlüssel. 3 1 2 6 7 9 4 5 10 13 14 11 17 12 18 8 16 19 15 20 21 22 b) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn auf dem folgenden Graphen Tiefensuche ausgehend von Knoten 1 ausgeführt wird. Wenn mehrere Knoten zur Wahl stehen, wählen Sie den Knoten mit dem kleinsten Schlüssel. 1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 a) 1,2,4,5,3,6,9,8,10,11,12,7,13,15,16,14,17,18,19,22,20,21 b) 1,2,4,3,5,10,11,6,9,7,12,8,14,16,15,17,19,20,18,13 Aufgabe 2 (Suchen in Graphen): (1,5 + 1,5 = 3 Punkte) a) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn auf dem folgenden Graphen Breitensuche ausgehend von Knoten 1 ausgeführt wird. Wenn mehrere Knoten zur Wahl stehen, wählen Sie den Knoten mit dem kleinsten Schlüssel. 2

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 b) Geben Sie die Reihenfolge an, in der die Knoten besucht werden, wenn auf dem folgenden Graphen Tiefensuche ausgehend von Knoten 1 ausgeführt wird. Wenn mehrere Knoten zur Wahl stehen, wählen Sie den Knoten mit dem kleinsten Schlüssel. 3

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 a) 1,5,4,7,10,8,13,2,6,9,15,16,18,3,12,11,14,19,20,17 b) 1,2,3,6,5,7,12,11,14,9,10,15,4,8,13,16,17,19,18,20 Tutoraufgabe 3 (Zusammenhangskomponenten): Geben Sie alle starken Zusammenhangskomponenten im folgenden Graph an. Für jede dieser starken Zusammenhangskomponenten reicht es die Menge der Knoten anzugeben, die darin auftreten. 7 8 9 10 14 15 16 17 Der gegebene Graph hat folgende starken Zusammenhangskomponenten: 4

{7, 8, 14} {9, 10, 17} {15, 16} Aufgabe 4 (Zusammenhangskomponenten): (2 Punkte) Geben Sie alle starken Zusammenhangskomponenten im folgenden Graph an. Für jede dieser starken Zusammenhangskomponenten reicht es die Menge der Knoten anzugeben, die darin auftreten. 2 3 4 8 9 10 12 14 15 16 17 18 19 20 22 23 24 25 26 30 Der gegebene Graph hat folgende starken Zusammenhangskomponenten: {14, 15, 22} {3} {2, 4, 8, 9, 10, 12, 16, 17, 18, 19, 20, 23, 24, 25, 26, 30} Tutoraufgabe 5 (Beweis): Sei G = (V, E) ein gerichteter Graph mit k starken Zusammenhangskomponenten G 1 = (V 1, E 1 ),..., G k = (V k, E k ). Die Transposition von G ist der Graph G T = (V, E T ), wobei (u, v) E T (v, u) E gilt. Intuitiv entsteht die Transposition eines Graphen also dadurch, dass man einfach alle Kanten umdreht. Die Kondensation von G ist der Graph G = ({V 1,..., V k }, E ), wobei (V i, V j ) E i j u V i, v V j : (u, v) E gilt. Intuitiv ist die Kondensation eines Graphen also die Reduzierung des Graphen auf seine starken Zusammenhangskomponenten diese Teilgraphen werden in der Kondensation zu jeweils einem einzigen Knoten zusammengefasst. 5

a) Betrachten Sie den folgenden gerichteten Graphen G 1 : A B C D E F G H Geben Sie die Kondensation G 1 von G 1 an. Beschriften Sie die Knoten in der Kondensation mit den Namen aller Knoten, die zur jeweiligen starken Zusammenhangskomponente gehören. Bilden beispielsweise die Knoten 1 und 3 eine starke Zusammenhangskomponente, so sieht der zugehörige Knoten in der Kondensation wie folgt aus: 1, 3 b) Geben Sie die Transposition G T 1 des Graphen G 1 aus der vorherigen Teilaufgabe an. c) Zeigen Sie, dass für jeden gerichteten Graphen G gilt, dass die Transposition der Kondensation von G gleich der Kondensation der Transposition von G ist: (G ) T = (G T ) A,D B C,E,G,H F a) A B C D E F b) G H c) Behauptung: (G T ) = (G ) T Beweis: Sei G = (V, E) ein gerichteter Graph. Dann ist die Kondensation G von G G = ({S 1,... S p }, {(S i, S j ) i, j {1,..., p}, i j (v, w) E : v S i, w S j }), 6

wobei {S 1,..., S p } die Menge der starken Zusammenhangskomponenten von G ist. Die Transposition (G ) T von G ist dann (G ) T = ({S 1,... S p }, {(S j, S i ) i, j {1,..., p}, i j (v, w) E : v S i, w S j }). Die Transposition G T von G ist G T = (V, {(w, v) (v, w) E}). Wir zeigen nun, dass die Knotenmengen der starken Zusammenhangskomponenten eines beliebigen gerichteten Graphen G = (V, E) und seiner Transposition gleich sind. Sei dazu S V eine starke Zusammenhangskomponente von G. Also haben wir v, w S : (v, w) E k 1, {v, v 1,..., v k, w} S : (v, v 1 ) E, (v k, w) E, 1 < i k : (v i 1, v i ) E und für jeden Pfad in G von einem Knoten v S zu einem Knoten w / S gilt, dass es keinen Pfad von w zu v in G gibt. Damit haben wir für G T = (V, E T ), dass v, w S : (w, v) E T k 1, {v, v 1,..., v k, w} S : (v 1, v) E T, (w, v k ) E T, 1 < i k : (v i, v i 1 ) E T und für jeden Pfad in G T von einem Knoten w / S zu einem Knoten v S gilt, dass es keinen Pfad von v zu w in G T gibt. Da letzteres äquivalent zur Denition einer starken Zusammenhangskomponente ist, besitzt G T eine starke Zusammenhangskomponente mit der gleichen Knotenmenge S. Da oensichtlich (G T ) T = G gilt, sind die Knotenmengen aller starken Zusammenhangskomponenten von G und G T damit gleich. Da für einen beliebigen gerichteten Graphen die Knotenmengen seiner starken Zusammenhangskomponenten und der seiner Transposition also gleich sind, ist die Kondensation (G T ) von G T = (V, E T ) demnach (G T ) = ({S 1,... S p }, {(S j, S i ) i, j {1,..., p}, i j (w, v) E T : w S j, v S i }) Wegen (w, v) E T (v, w) E gilt damit: (G T ) = (G ) T Damit ist die Aussage gezeigt. Aufgabe 6 (Beweis): (8 Punkte) Sei G = (V, E) ein zusammenhängender, ungerichteter und azyklischer Graph (also ein Baum) und v V. Bestimmen Sie die Länge des kürzesten Pfades von v nach v, der jede Kante aus E mindestens einmal enthält. Beweisen Sie Ihr Ergebnis formal. Behauptung: Die Länge des kürzesten Pfades von v nach v, welcher jede Kante aus E mindestens einmal enthält, ist genau 2 E. Beweis: Zunächst zeigen wir ( ), dass es einen Pfad von v nach v gibt, der jede Kante (u, w) E genau zweimal enthält und zwar genau einmal von u nach w und einmal von w nach u. Dazu nutzen wir eine Induktion über die Anzahl der Knoten in V. Induktionsanfang: Da v V gilt, kann G nicht leer sein. Also ist der einzige Graph mit der kleinstmöglichen Knotenanzahl (und den geforderten Eigenschaften) G 0 = ({v}, ). Oensichtlich erfüllt der leere Pfad die Aussage ( ), da es keine Kanten gibt. 7

Induktionsvoraussetzung: Die Aussage ( ) gelte für alle Graphen G = (V, E ) mit V < V. Induktionsschritt: Wir betrachten den Graphen G = (V \ {v}, E \ {(u, w) u = v w = v}). Dieser ist möglicherweise nicht zusammenhängend, setzt sich aber aus k zusammenhängenden Graphen G 1 = (V 1, E 1 ),..., G k = (V k, E k ) zusammen, wobei jeweils V > V i 1 für alle i {1,..., k} gilt. Auÿerdem gibt es zu jedem G i einen Knoten u i V i, sodass (u, v) E, da G zusammenhängend ist. Nach Induktionsvoraussetzung gibt es also in jedem Graphen G i einen Pfad von u i nach u i, der jede Kante aus G i genau zweimal enthält, in jeder Richtung genau einmal. Wir konstruieren den gesuchten Pfad wie folgt: Von v aus nehmen wir alle Kanten auÿer denjenigen zu einem der u i jeweils hin und zurück zu Beginn des Pfades. Dann nehmen wir für jedes i {1,... k} die Kante zu u i gefolgt von dem Pfad, den es nach Induktionsvoraussetzung in G i gibt. Dieser endet wieder in u i, von wo aus wir schlieÿlich die Kante zurück nach v nehmen. Nach dem Induktionsprinzip ist die Aussage ( ) damit gezeigt. Oensichtlich enthält der von uns konstruierte Pfad alle Kanten mindestens einmal, geht von v nach v und hat die Länge 2 E. Es bleibt zu zeigen, dass es keinen kürzeren Pfad mit den geforderten Eigenschaften gibt. Dies zeigen wir durch Widerspruch. Angenommen es gäbe einen kürzeren Pfad von v nach v, der jede Kante mindestens einmal enthält. Dies bedeutet, dass es eine Kante (u, w) E gibt, welche in diesem Pfad nur einmal verwendet wird. Demnach ist v von w aus und u von v aus ohne die Kante (u, w) erreichbar. Es gibt also einen Pfad von w nach u ohne die Kante (u, w). Zusammen mit dieser Kante würde sich demnach ein Zyklus in G ergeben. Da G aber azyklisch ist, ist dies nicht möglich und der Widerspruch zeigt, dass die Annahme falsch sein muss. 8