Randomisiert inkrementelle Konstruktion der Trapezzerlegung. Strecken in der Ebene

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

Distanzprobleme in der Ebene

Punktlokalisation 1. Trapez-Zerlegungen. 2. Eine Suchstruktur. 3. Randomisierter, inkrementeller Algorithmus zur Konstruktion der Trapez-Zerlegung

23. Kürzeste Wege. Flussüberquerung (Missionare und Kannibalen) Das ganze Problem als Graph. Formulierung als Graph

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

7. Triangulation von einfachen Polygonen

Voronoi-Diagramme INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

2.6.1 Definition und Darstellung Ausspähen von Graphen Minimal spannende Bäume Kürzeste Pfade 2.6.

Geradenarrangements und Dualität von Punkten und Geraden

Geradenarrangements und Dualität von Punkten und Geraden

Algorithmische Geometrie: Schnittpunkte von Strecken

Kapitel 1. Globale Beleuchtung. 1.1 Ray Tracing Schatten, Reflexion und Brechung

Wintersemester 2004/ Januar 2005

6. Triangulation von Polygonen

Punkt-in-Polygon-Suche Übersicht

Vorlesung Algorithmische Geometrie Konvexe Hülle im R 3

30 Vierecke. Zeichne die Figuren in Originalgröße. Quadrat s = 6 cm. Raute s = 5 cm, e = 8 cm. Parallelogramm a = 10 cm, b = 5 cm, h a = 4 cm

Lösungsvorschläge zum 9. Übungsblatt.

Geometrische Algorithmen Punkt-in-Polygon-Suche. Lernmodul 7: Geo-Algorithmen und -Datenstrukturen - Punkt-in-Polygon-Suche

Nachbarschaft, Grad, regulär, Inzidenz

Bereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Algorithmische Geometrie 3. Schnitte von Liniensegmenten

5 Die Poisson-Approximation

5. Bäume und Minimalgerüste

Bereichsabfragen II. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie

Themen der Übung. Rekursion. Dateien einlesen Sudokus. Assertions

Algorithmische Geometrie 7. Punktsuche (Teil 2)

Diskrete Mathematik 1

13.1 Die Laplace-Transformation

Triangulierung von Polygonen und das Museumsproblem

Abiturprüfung Mathematik 2014 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 1 - Lösungen

( ) = ( ) ( ) ( ) ( )

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Algorithmen und Datenstrukturen

Vorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg

6. Planare Graphen und Färbungen

MATHEMATIK-WETTBEWERB 2016/2017 DES LANDES HESSEN

Algorithmen II Vorlesung am

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Rotation. y T 3. Abbildung 3.10: Rotation nach rechts (analog links) Doppelrotation y

Grundlagen zur Delaunay-Triangulierung und zur konvexen Hülle. zum Begriff des Voronoi-Diagramms (vgl. auch Vorlesung "Algorithmische Geometrie"):

Punkt-in-Polygon-Suche Übersicht

durch Einfügen von Knoten konstruiert werden kann.

R. Brinkmann Seite Aufgabe Prüfen Sie ob die Geraden g, h, i durch einen Punkt verlaufen.

Übung zur Vorlesung Algorithmische Geometrie

Datenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15

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

Rolf Wanka Sommersemester Vorlesung

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

Wiederholung zu Flüssen

Geometrische Datenstrukturen

Theoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme

Informationssysteme SS 2013 Lösungsvorschläge zu Übungsblatt 2. Übungsblatt 2. Für die Übungen in der Woche vom 29. April bis 03.

Wiederholung. Bäume sind zyklenfrei. Rekursive Definition: Baum = Wurzelknoten + disjunkte Menge von Kindbäumen.

F Winkelsätze. 1 Nebenwinkel und Scheitelwinkel

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

Aufnahmeprüfung FHNW 2013: Physik

Kanonische Ordnungen und die Mondshein-Sequenz

Uberblick 1. Problemstellung 2. Kongurationsraum 3. Bewegungsplanung fur einen Punktroboter 4. Minkowski Summen 5. Pseudo-Scheiben 6. Bewegungsplanung

Aufgabensammlung zur algorithmischen Geometrie

Relationen und DAGs, starker Zusammenhang

Die Höhe von binären Suchbäumen Ausarbeitung zum Seminar zu Stochastischen Rekursionsgleichungen im WS 2011/2012

Theoretische Grundlagen der Informatik

Dualität + Quad-trees

Die Berechnung der Triangulation eines Polygons in fast-linearer Zeit.

Voronoi-Diagramme und Delaunay-Triangulierungen

R. Brinkmann Seite f 2 ( x)

Geometrie-Dossier Ähnlichkeit

Maximale s t-flüsse in Planaren Graphen

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

Zur Bestimmung der ungünstigsten Toleranz zusammengesetzter Systeme können die Einzeltoleranzen entsprechend ihres Zusammenwirkens addiert werden.

Binäre Suchbäume. Mengen, Funktionalität, Binäre Suchbäume, Heaps, Treaps

Lösungen zur Vorlesung Berechenbarkeit und Komplexität

Einfacher loop-shaping Entwurf

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

2 Sortieren durch Vergleichen Eingabefolge a 1, a 2,..., a n 2, 1, 3 Sortieralg. Für festes n ist ein vergleichsbasierter Sortieralg. charakterisiert

Kap. 4.7 Skiplisten. 14./15. VO DAP2 SS /16. Juni 2009

Rolf Wanka Sommersemester Vorlesung

KAPITEL 2 KÜRZESTE WEGE

Fachhochschule Wedel. Seminararbeit. Flussprobleme in Graphen und ihre Anwendung auf 0/1-Netzwerken

= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2

13. Hashing. AVL-Bäume: Frage: Suche, Minimum, Maximum, Nachfolger in O(log n) Einfügen, Löschen in O(log n)

Grundlagen: Algorithmen und Datenstrukturen

Ich mache eine saubere, klare Konstruktionszeichnungen und zeichne die Lösungen rot

Wegeplanung: Wegekartenverfahren

Isomorphie von Bäumen

1. Übung Algorithmentechnik

Polygontriangulierung

Geometrie KL.7/8 Begründungsbasis I

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

Regelungstechnik (A)

Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2013/14. Prof. Dr. Sándor Fekete

Voronoi Diagrams. Christian Wellenbrock. December 1, 2009

Kapitel : Andere dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Geometrische Algorithmen Einige einfache Definitionen: Ist ein Punkt in einem Polygon? Punkt-in-Polygon-Problem. Das Punkt-in-Polygon-Problem

Dank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Gleichmächtigkeit von DEA und NDEA

Definition. Wichtige Beziehungen. Geometrische Konstruktion

Differentialgleichungen

Geometrie-Dossier Der Satz des Pythagoras

Algorithmische Methoden zur Netzwerkanalyse

Transkript:

Randomiiert inkrementelle Kontruktion der Trapezzerlegung einer Menge von Strecken in der Ebene (Literatur: deberg et al., Kapitel 6) Chritian Knauer 1 Problemtellung Gegeben: Eine Menge von n Strecken S in der Ebene Berechne: Die von S induzierte ebene Unterteilung (unterteile die Strecken au S bei den Schnittpunkten) 2

Trapezzerlegung einer Menge von Strecken S: Menge von n Strecken in der Ebene mit k Schnittpunkten Trapezzerlegung von S Verfeinerung der von S induzierten ebene Unterteilung zeichne durch jeden der End- und Schnittpunkte der Strecken in S eine vertikale Strecke nach oben und unten bi eine Strecke au S getroffen wird unterteile die Strecken au S bei den Punkten an denen eine vertikale Erweiterung auftrifft 3 Beipiel Trapezzerlegung 4

Beipiel Trapezzerlegung 5 Beipiel Trapezzerlegung 6

Beipiel Trapezzerlegung 7 Eigenchaften der Trapezzerlegung Facetten ind Trapeze oder Dreiecke (mit evtl. unterteilten Seiten) Komplexität: O(n+k) 8

Problemtellung Gegeben: Eine Menge von n Strecken S in der Ebene (mit k Schnittpunkten) Berechne: Die Trapezzerlegung von S Annahme: Die Strecken au S ind in allgemeiner Lage, d.h. in einem Punkt chneiden ich höchten zwei Strecken und die x-koordinaten aller End- und Schnittpunkte ind verchieden 9 Inkrementeller Aufbau S = ( 1,, n ) T i it die Trapezzerlegung zu S i := { 1,, i } kontruiere T i au T i-1 durch Einfügen von i (für i>1) finde da Trapez t von T i-1, da einen Endpunkt p von i enthält ( Konfliktlokaliierung ) finde von t au alle Trapeze und Kanten von T i-1, die von i gechnitten werden ( Durchfädeln ) füge neue vertikale Kanten von den Endpunkten von i und den Schnittpunkten von i mit Strecken au S i-1 ein ( Unterteilen ) chneide vorhandene vertikale Kanten die i chneiden bei den Schnittpunkten ab und verchmelze die zu den entfernten Kanten adjazenten Trapeze ( Verkürzen ) 10

Beipiel: Kontruktion von T i au T i-1 11 Beipiel: Durchfädeln von i i 12

Beipiel: Unterteilen i 13 Beipiel: Verkürzen i 14

Beipiel: Verkürzen i 15 Beipiel: Die Zerlegung T i i 16

Lokaliierung von Streckenendpunkten in T i Verwendung einer zuätzlichen Datentruktur G i peichert die Gechichte der Kontruktion von T i ermöglicht Punktlokaliierung in T i Konfliktlokaliierung für einen Endpunkt p von i durch Punktlokaliierung von p in T i Anpaen der Datentruktur beim Einfügen neuer Strecken erwartete Suchzeit Õ(log n) pro Anfrage, erwartete Gröe Õ(n+k) 17 G i : Gechichte der Kontruktion von T i gerichteter azyklicher Graph Blätter ind bechriftet mit einem Trapez t?t i innere Knoten v haben Augrad 2 ind bechriftet mit einem Endpunkt p(v) einer der Strecken au S i oder einer Strecke (v)?s i repräentieren eine Region r(v) der Ebene wenn v die Wurzel it, dann it r(v)= R 2 wenn v da Kind eine Knoten u it, der mit einem Endpunkt p(u) einer der Strecken au S i bechriftet it, dann it r(v)={p?r(u) p it link von p(u)}, fall v linke Kind von u it r(v)={p?r(u) p it recht von p(u)}, fall v rechte Kind von u it wenn v da Kind eine Knoten u it, der mit einer Strecke (u)?s i bechriftet it, dann it r(v)={p?r(u) p it oberhalb von (u)}, fall v linke Kind von u it r(v)={p?r(u) p it unterhalb von (u)}, fall v rechte Kind von u it 18

Aufbau von G 1 p 2 U 1 p 1 p W T 1 T V p 2 W U V 19 Kontruktion von G i au G i-1 im Unterteilungchritt wird ein Trapez au T i-1 in höchten 4 Trapeze unterteilt r r l l l l 20

Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an 21 Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 22

Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an r G i-1 l l r 23 Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 24

Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 l l 25 Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 26

Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an r G i-1 l l r 27 Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 28

Kontruktion von G i au G i-1 erzeuge für jede Trapez da im Unterteilungchritt entteht ein neue Blatt und pae die Suchtruktur an den Blättern von G i-1 entprechend an G i-1 l l 29 Kontruktion von G i au G i-1 Identifiziere Blätter von G i deren korrepondierende Trapeze beim Verkürzen miteinander verchmelzen 30

Beipiel: Kontruktion von G i au G i-1 G i-1 T U V W T U V W 31 Beipiel: Kontruktion von G i au G i-1 G i-1 T U V W p q 32

Beipiel: Kontruktion von G i au G i-1 G i-1 T p U V W q t 3 p t 1 t2 u 1 u 2 q v w 1 1 v w 2 2 w 3 t 3 u 1 u 2 v 2 v 1 w 3 t 2 t 1 w 2 w 1 33 Beipiel: Kontruktion von G i au G i-1 G i-1 T p U V W t 3 v 1 q w 3 q p t v w 1 1 1 t 3 w w t 3 2 2 t 2 t 1 w 2 w 1 34

Punktlokaliierung in T i mit Hilfe von G i uche, augehend von der Wurzel von G i, rekuriv da Trapez von T i (= Blatt von G i ), in dem der Anfragepunkt q liegt ei v ein innerer Knoten von G i mit q?r(v) wenn v mit einem Endpunkt p(v) einer Strecke au S i bechriftet it, dann fahre mit der Suche im linken Kind von v fort, fall q link von p(v) liegt fahre mit der Suche im rechten Kind von v fort, fall q recht von p(v) liegt wenn v mit einer Strecke (v)?s i bechriftet it, dann fahre mit der Suche im linken Kind von v fort, fall q über (v) liegt fahre mit der Suche im rechten Kind von v fort, fall q unter (v) liegt 35 Beipiel: Suchen in T 1 mit Hilfe von G 1 q 1 q U p 1 p 1 W T 1 T 1 V q 1 W U V 36

Beipiel: Suchen in G i mit Hilfe von G i p i i G i-1 i T U V W q i V q i p i t v w 1 1 1 t 3 w w t 3 2 2 i q i t 3 v 1 i w 3 t 2 t 1 w 2 w 1 37 Algorithmu Inert( i ) uche in G i-1 da Trapez t von T i-1 da einen Endpunkt von i enthält finde von t au alle Trapeze und Kanten von T i-1, die von i gechnitten werden füge neue vertikale Kanten von den Endpunkten von i und den Schnittpunkten von i mit Strecken au S i-1 ein erzeuge für jede Trapez da entteht ein neue Blatt in G i und pae die Suchtruktur an den Blättern von G i-1 entprechend an chneide vorhandene vertikale Kanten die i chneiden bei den Schnittpunkten ab und verchmelze die zu den entfernten Kanten adjazenten Trapeze identifiziere Blätter von G i deren korrepondierende Trapeze miteinander verchmelzen 38

Bemerkungen halbdynamicher Algorithmu zur Berechnung der Trapezzerlegung liefert Datentruktur zur Punktlokaliierung in der Trapezzerlegung 39 Laufzeitanalye der Algorithmu it determinitich, er trifft keine Zufallentcheidungen beim Einfügen von S in einer feten Reihenfolge? wir nehmen an, da alle Einfügereihenfolgen gleich wahrcheinlich ind die Anzahl der von dem Algorithmu durchgeführten Schritte it eine Zufallvariable wir betrachten den Erwartungwert dieer Zufallvariable al Maß für die Effizienz de Algorithmu wir nennen dieen Erwartungwert die erwartete Laufzeit de Algorithmu bei zufälliger Einfügereihenfolge e werden keine Annahmen über die tatitiche Verteilung der Eingabe gemacht 40

Übericht Laufzeitanalye Geamtkoten etzen ich zuammen au Koten für die trukturellen Änderungen der ebenen Unterteilung und die Kontruktion der Gechichte O(n log n + k) erwartet Bem.: Die Koten für die Kontruktion der Gechichte ind aymptotich genauo gro, wie die Koten für die trukturellen Änderungen der ebenen Unterteilung Koten für die Lokaliierung von Streckenendpunkten in der Gechickte Õ(log n) pro Punktlokaliierunganfrage 41 Koten für die trukturellen Änderungen ei S`? S fet mit S =i im folgenden ei auerdem T:=T i-1, T :=T i betrachte den i-ten Einfügechritt mit S i =S und die Zufallvariable T St (? ) := Koten für die trukturellen Änderungen im i-ten Schritt beim Ablauf de Algorithmu auf der Eingabe S mit der Einfügereihenfolge? erwartete Koten (unter der Bedingung S i =S ) E St := E[T St S i =S ] =??S Pr( wurde im i-ten Schritt eingefügt S i =S ) (Koten für da Einfügen von ) = (1/i)??S (Koten für da Einfügen von ) 42

Koten für die trukturellen Änderungen für t?t bezeichnet f(t) die Anzahl der Kanten von t Komplexität de Einfügen von it O(? t?t, t chneidet f(t)) 43 Koten für die trukturellen Änderungen E St =??S Pr( wurde im i-ten Schritt eingefügt S i =S ) (Koten für da Einfügen von ) = (1/i)??S (Koten für da Einfügen von ) = (1/i)??S? t?t, t chneidet f(t) 44

Koten für die trukturellen Änderungen? t?t, t chneidet f(t) =? t?t, inzident zu t f(t) 45 Koten für die trukturellen Änderungen E St =??S Pr( wurde im i-ten Schritt eingefügt S i =S ) (Koten für da Einfügen von ) = (1/i)??S (Koten für da Einfügen von ) = (1/i)??S? t?t, t chneidet f(t) = (1/i)??S? t?t, inzident zu t f(t) 46

Koten für die trukturellen Änderungen??S? t?t, inzident zu t f(t) = 4? t?t f(t) jede Trapez t?t it zu höchten 4 Strecken?S adjazent 47 Koten für die trukturellen Änderungen E St =??S Pr( wurde im i-ten Schritt eingefügt S i =S ) (Koten für da Einfügen von ) = (1/i)??S (Koten für da Einfügen von ) = (1/i)??S? t?t, t chneidet f(t) = (1/i)??S? t?t, inzident zu t f(t) = (1/i) 4? t?t f(t) 48

Koten für die trukturellen Änderungen E St =??S Pr( wurde im i-ten Schritt eingefügt S i =S ) (Koten für da Einfügen von ) = (1/i)??S (Koten für da Einfügen von ) = (1/i)??S? t?t, t chneidet f(t) = (1/i)??S? t?t, inzident zu t f(t) = (1/i) 4? t?t f(t) = O((1/i) (n+k)) wobei K = # Schnittpunkte in S 49 Koten für die trukturellen Änderungen ei Y eine Zufallvariable mit der Eigenchaft, da die Ereignie (Y=y i ):={??O Y(?)=y i } für y 1,,y k eine Partition von O bilden dann it E[X] =? i Pr(Y=y i ) E[X Y=y i ] Bewei:? i Pr(Y=y i ) E[X Y=y i ] =? i Pr(Y=y i )?? X(? ) Pr(? Y=y i ) =? i?? Pr(Y=y i ) X(? ) Pr(? Y=y i ) =??? i Pr(Y=y i ) X(? ) Pr(? Y=y i ) =?? X(? )? i Pr(Y=y i ) Pr(? Y=y i ) =?? X(? ) Pr(? ) = E[X] 50

Koten für die trukturellen Änderungen erwartete Koten unter der Bedingung S i =S E[T St S i =S ] = O((1/i) (n+#schnittpunkte in S )) betrachte die Zufallvariable K(? ) := Anzahl der Schnittpunkte in S i erwartete Koten E[T St ] =? S?S, S =i Pr(S i =S ) E[T St S i =S ] =? S?S, S =i Pr(S i =S ) O((1/i) (n+#schnittpunkte in S )) = O((1/i) (n+e[k])) 51 Koten für die trukturellen Änderungen ei q 1,,q k die Menge der Schnittpunkte der Strecken au S definiere für j=1,,k die 0-1-Zufallvariablen K j =1 gdw. der Schnittpunkt q j liegt in T dann it K =? j=1...k K j und E[K] =? j=1...k E[K j ] =? j=1...k Prob(q j liegt in T ) angenommen, q j it der Schnittpunkt der Strecken u,v?s n 2 n Prob(q j liegt in T ) = Prob({u,v}?S ) = / i 2 i damit it E[K] = ki(i-1)/(n(n-1)) und E[T St ] = O((1/i) (n+ki(i-1)/(n(n-1)))) 52

Koten für die trukturellen Änderungen die erwarteten Geamtkoten für die trukturellen Änderungen der ebenen Unterteilung und die Kontruktion der Gechichte erhält man durch Summation über E[T St ]? i=1,...,n O((1/i) (n+ki(i-1)/(n(n-1)))) = O(nh n +k/2) = O(n log n+k) 53 Suchzeit in G i ei p? IR 2 ein feter Punkt betrachte Zufallvariable L : O IR, wobei für??o L(? ) := Länge de Suchpfade von p in G i beim Ablauf de Algorithmu auf der Eingabe S mit der Einfügereihenfolge? für 4 = k = i bezeichnet b k da Blatt von G k, da p enthält definiere die 0-1-Zufallvariable L k =1 gdw. b k-1? b k L =O(? k=4...i L k ) wenn b k-1? b k dann wird b k-1 bei der Kontruktion von G k zu einem inneren Knoten v auf dem Suchpfad von p in G k it v O(1) Knoten vor b k E[L] =O(? k=4...i E[L k ]) Linearität de Erwartungwerte 54

Suchzeit in G i Pr(b k-1?b k ) = 4/k Rückwärtanalye: ei T k? S fet mit T k =k Pr(b k-1? b k S k =T k ) = Pr(r(b k ) wird durch k begrenzt S k =Q k ) = Pr( k? {Strecken von S k die r(b k ) definieren} S k =Q k ) = 4/k Pr(b k-1? b k ) =? T =k Pr(S k =T) Pr(b k? b k-1 S k =T) = 4/k E[L] = O(log i) E[L] =O(? k=4...i E[L k ]) = O(? k=4...i Pr(b k-1? b k )) = O(? k=4...i 4/k)=O(h i ) L = Õ(log i) Chernoff-Schranke für harmoniche Zufallvariablen 55 Suchzeit in G i T i := von den Stützgeraden der Strecken au T i induzierte Unterteilung T i it eine Verfeinerung von T i alle Punkte in einer Facette von T i haben in G i den gleichen Suchpfad #{Suchpfade in G i } = #{Facetten von T i } = O(i 2 ) au jeder Facette von T i wählen wir einen Punkt {q 1,,q j } mit j=o(i 2 ) Tiefe von G i = max { L p p? {q 1,,q j }} = Õ(log i) Pr(Tiefe von G i > c log i) = Pr (Länge de Suchpfade von q 1 in G i > c log i oder oder Länge de Suchpfade von q j in G i > c log i ) = Pr (Länge de Suchpfade von q 1 in G i > c log i) + + Pr(Länge de Suchpfade von q j in G i > c log i ) = #{Suchpfade in G i } Pr(Länge de Suchpfade eine feten Punkte in G i > c log i ) = O(i 2 ) (1/p(c,i)) für alle c>c 0 >0 mit lim c 8 deg n (p(c,i)) 8 56

Zuammenfaung Satz: Zu einer Menge S von n Strecken in der Ebene mit k Schnittpunkten kann in O(n log n + k) erwarteter Zeit die Trapezzerlegung T(S) von S kontruiert werden. Dabei wird eine Datentruktur der Gröe Õ(n+k) aufgebaut, mit der man in Õ(log n) Zeit Punktlokaliierunganfragen in T(S) beantworten kann. 57