Algorithmische Geometrie: Rest Lokalisierung von Punkten; Voronoi Diagramme (1/2)

Ähnliche Dokumente
Das Voronoi Diagramm. 1. Definition. 2. Eigenschaften. 3. Größe und Speicherung. 4. Konstruktion. 5. Verwendung

Zusammenfassung Verallgemeinerungen VD Segmente/Pledge Algorithmus

Lineare Algebra und analytische Geometrie II

Uberblick 1. Kurzeste Wege 2. Sichtbarkeitsgraphen 3. Berechnung des Sichtbarkeitsgraphen 4. Kurzeste Wege fur polygonale Roboter 1

6. Übung zur Linearen Optimierung SS08

Ebene Elementargeometrie

SS 2005 FAU Erlangen Eine Wegeplanungs-Strategie. Jeremy Constantin, Michael Horn, Björn Gmeiner

Geometrische Algorithmen

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

GEOMETRIE (4a) Kurzskript

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

Übung zur Vorlesung Algorithmische Geometrie

Aufgabensammlung zur algorithmischen Geometrie

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel

Mathematik: Geometrie und Anwendungen in der Wirtschaft

Rechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene

Grundlagen der Geometrie

Approximation von Punktmengen durch Kreise

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Minimal spannender Baum

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Unterrichtsreihe zur Parabel

Computer-Graphik I Verallgemeinerte Baryzentrische Koordinaten

Algorithmen II Vorlesung am

WS 2009/10. Diskrete Strukturen

Geometrie I. Sebastian Redinger Informatik 2 Programmiersysteme Martensstraße Erlangen

Kollisionserkennung

0. Übung Elemente der Geometrie WS2013/14

Lineare Algebra und analytische Geometrie II

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 6: Graphentheorie

MAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.

Minimal spannende Bäume

Kapitel 3: Untere Schranken für algorithmische Probleme Gliederung

Aufgabe 1 Erstelle mit Hilfe von GEOGEBRA ein dynamisches Geometrie-Programm, das die Mittelsenkrechte

Fachbereich Informatik. Lehrgebiet Praktische Informatik VI. Diplomarbeit

Körper- und Galoistheorie

Lineare Funktion. Wolfgang Kippels 3. November Inhaltsverzeichnis

Was bisher geschah. 1. Zerlegung in monotone Polygone 2. Triangulierung der monotonen Teilpolygone

Geometrie, Einführung

Mathematische Probleme, SS 2013 Donnerstag $Id: dreieck.tex,v /04/18 15:03:29 hk Exp hk $

Kapitel 9 Algorithm. Geometrie. Kürzeste Abstände Konvexe Hülle

Vom Satz des Pythagoras zu aktueller Algebraischer Geometrie

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Geometrie Modul 4b WS 2015/16 Mi HS 1

Vorlesungen vom 5.Januar 2005

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7

Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).

Übungen zu Geometrie (LGy) Universität Regensburg, Sommersemester 2014 Dr. Raphael Zentner, Dr. Olaf Müller

Konstruktion von Kreistangenten

Lineares Programmieren

Vorlesung. Vollständige Induktion 1

Geometrische Grundkonstruktionen

Polygontriangulierung

Punktlokalisierung. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK

23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108

7. Triangulation von einfachen Polygonen

2. Repräsentationen von Graphen in Computern

Daten des aktuellen regelmäßigen 6-Ecks

Dualität in der Elementaren Geometrie

Erweiterung: Flächeninhalt mit Vorzeichen. a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn

Lokalisierung von inneren und äußeren Grenzen in Sensornetzwerken

Vektorgeometrie - Teil 1

Fragenkatalog Kapitel 1 Fehleranalyse

3. Grundlagen der Linearen Programmierung

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

3 Klassifikation wichtiger Optimierungsprobleme

Bei Konstruktionen dürfen nur die folgenden Schritte durchgeführt werden : Beliebigen Punkt auf einer Geraden, Strecke oder Kreislinie zeichnen.

WS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch

Virtuelle Realität Kollisionserkennung

Kapitel 4: Minimale spannende Bäume Gliederung der Vorlesung

Einführung in die Mathematik

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

Vorwort: Farbe statt Formeln 7

WS 2009/10. Diskrete Strukturen

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume

2. Optimierungsprobleme 6

Die Folgerungsbeziehung

July 04, Geometrie I. Hallo Welt! für Fortgeschrittene. Daniel Uebler

Liegt eine Kante k auf einem Zyklus Z, so liegt k auf dem Rand genau zweier

Kapitel 2: Mathematische Grundlagen

Effiziente Algorithmen I

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

37 II.1. Abbildungen

Anmerkungen zur Übergangsprüfung

Himmelsmechanik. Michael Lubasch

Durchschnitt von Matroiden

Vorlesung Diskrete Strukturen Eulersche und Hamiltonsche Graphen

Routing Algorithmen. Begriffe, Definitionen

entspricht der Länge des Vektorpfeils. Im R 2 : x =

Der Höhenschnittpunkt im Dreieck

Vier-Farben-Vermutung (1)

Westfählische Wilhelms-Universität. Eulersche Graphen. Autor: Jan-Hendrik Hoffeld

Overview. Testen von Planarität. Planare Graphen. Beliebige Knotenpositionen. Gerade Linien. Faces

3. Musterlösung. Problem 1: Boruvka MST

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

8. Kleinsche Geometrie I: Hyperbolische Geometrie. Das Erlanger Programm.

Herbst b) Bestimmen Sie die Gleichung der Tangente t und Ihren Schnittpunkte A mit der x-achse. t geht durch B(1/2) und hat die Steigung m=-6 :

1 Grundwissen Pyramide

Algorithmische Graphentheorie

Transkript:

Algorithmische Geometrie: Rest Lokalisierung von Punkten; Voronoi Diagramme (1/2) Nico Düvelmeyer WS 2009/2010, 22.12.2009

Überblick 1 Fertigstellung Kapitel 7 2 Definition Voronoi Diagramm 3 Grundlegende Eigenschaften Voronoi Diagramm 4 Bestimmung des Voronoi Diagramms (Ausblick)

Überblick 1 Fertigstellung Kapitel 7 2 Definition Voronoi Diagramm 3 Grundlegende Eigenschaften Voronoi Diagramm 4 Bestimmung des Voronoi Diagramms (Ausblick)

Fertigstellung Kapitel 7 Weiter in Vorlesung 8 ab Seite 29

Überblick 1 Fertigstellung Kapitel 7 2 Definition Voronoi Diagramm 3 Grundlegende Eigenschaften Voronoi Diagramm 4 Bestimmung des Voronoi Diagramms (Ausblick)

Durst in der Wüste

Erinnerung Euklidischer Abstand zweier Punkte p, q R 2 dist(p, q) := (p x q x ) 2 + (p y q y ) 2

Definition 8.1 Das Voronoi Diagramm Vor(P) von P = {p 1,..., p n } R 2 ist die Aufteilung der Ebene R 2 in n Bereiche B 1,..., B n und zugehörige Kanten, wobei B i := { q R 2 : dist(q, p i ) < dist(q, p j ) j i } =: V(p i ).

Visualisierung Voronoi Diagramm http://www.pi6.fernuni-hagen.de/geomlab/voroglide/

Anwendungen Post Office Problem Einzugsgebiete für Kaufhäuser Approximationsalgorithmen übernächstes Kapitel

Überblick 1 Fertigstellung Kapitel 7 2 Definition Voronoi Diagramm 3 Grundlegende Eigenschaften Voronoi Diagramm 4 Bestimmung des Voronoi Diagramms (Ausblick)

Offene Halbebene h(p, q) := { x : dist(x, p) < dist(x, q) } offene Halbebene Rand: Mittelsenkrechte von pq Seite: enthält p

Beobachtung 8.2 V(p i ) = h(p i, p j ) 1 j n,i j konvexes polygonales Gebiet gegebenenfalls unbeschränkt maximal n 1 Ecken und Kanten

Satz 8.3 Sei P eine Menge von n Punkten der Ebene. Sind alle Punkte in P kollinear, dann besteht Vor(P) aus n 1 parallelen Geraden. Andernfalls ist Vor(P) zusammenhängend, und alle Kanten sind Strecken oder Strahlen. Beweis. Kanten: Strecken, Strahlen oder Geraden Kante k := V(p i ) V(p j ) Gerade g P kollinear p l P: p i, p j, p l nicht kollinear Mittelsenkrechte von p j p l schneidet g h(p l, p j ) g nicht Rand von V(p j ) Wäre Vor(P) nicht zusammenhängend durch Bereich V(p i ) zerlegt V(p i ) hätte zwei parallelen Randgeraden

Satz 8.4 n 3, P = n. Vor(P) hat e 2n 5 Ecken k 3n 6 Kanten Beweis. für P kollinear: siehe Satz 8.3 Eulersche Polyederformel m e + m f m k = 2 m f = n Flächen; m e = n + 1 Knoten: P {v } m k = k Kanten: ggf. zu v verbogen (e + 1) + n k = 2 doppeltes Abzählen Kanten-Knoten-Inzidenzen: 2k 3(e + 1) = 3(2 + k n) = 3k 3n + 6 k 3n 6, e = 1 + k n 2n 5

Notation C P (q) q R 2, P R 2 C P (q) := Kreis mit Mittelpunkt q maximaler Radius im Inneren keine Punkt aus P

Satz 8.5 Sei P eine Menge von Punkten der Ebene. Dann gelten folgende Aussagen. 1. Ein Punkt q ist Ecke von Vor(P) genau dann, wenn der Rand von C P (q) mindestens drei der Punkte von P enthält. 2. Die Mittelsenkrechte von p i und p j bestimmt genau dann eine Kante von Vor(P), wenn es einen Punkt q auf dieser Mittelsenkrechten gibt, so dass der Rand von C P (q) von den Punkten in P genau p i und p j enthält.

Beweis Satz 8.5 Punkt 1. q Ecke C P (q) enthält mindestens drei Punkte von P: p i, p j, p k C P (q) Inneres von C P (q) leer q V(p i ), q V(p j ), q V(p k ) damit q Ecke von Vor(P) q Ecke C P (q) enthält mindestens drei Punkte von P: q Ecke von Vor(P) q ist zu mindestens drei Kanten inzident q gehört zum Rand von V(p i ), V(p j ) und V(p k ) p i, p j, p k C P (q)

Beweis Satz 8.5 Punkt 2. V(pi ) V(p j ) > 1 q V(pi ) V(p j ) : C P (q) P = {p i, p j } : dist(q, p i ) = dist(q, p j ) dist(q, p k ) für alle 1 k n q liegt auf einer Kante oder Ecke von Vor(P) wegen Punkt 1. ist q keine Ecke von Vor(P) q liegt auf der Mittelsenkrechten von p i und p j : q sei beliebig im Inneren einer Kante von Vor(P), die p i und p j trennt C P (q) enthält sowohl p i als auch p j, aber keinen anderen Punkt aus P

Überblick 1 Fertigstellung Kapitel 7 2 Definition Voronoi Diagramm 3 Grundlegende Eigenschaften Voronoi Diagramm 4 Bestimmung des Voronoi Diagramms (Ausblick)

Folgerung 5.6 + Beobachtung 8.2 Folgerung Der gemeinsame Durchschnitt einer Menge von n Halbebenen des R 2 kann innerhalb einer Zeit in O(n log n) und mit linearem Speicherplatzbedarf berechnet werden. Algorithmus mit Laufzeit in O(n 2 log n) zur Bestimmung aller Voronoi-Bereiche

Bestimmung des Voronoi Diagramms: Fortune s Algorithmus Zeit in O(n log n) asymptotisch optimal http://www.diku.dk/hjemmesider/studerende/duff/fortune/ http://kam.mff.cuni.cz/~ludek/algovision/algovision.html