Algorithmische Graphentheorie

Ähnliche Dokumente
Vollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).

Kombinatorische Optimierung

Einführung in die Graphentheorie. Monika König

Ausarbeitung über den Satz von Menger und den Satz von König

Vorlesungen vom 5.Januar 2005

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Grundbegriffe der Informatik

Grundbegriffe der Informatik

Minimal spannende Bäume

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vier-Farben-Vermutung (1)

Algorithmen und Datenstrukturen 2

2. Repräsentationen von Graphen in Computern

Studientag zur Algorithmischen Mathematik

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

3. Musterlösung. Problem 1: Boruvka MST

Einführung in die Informatik 2

Minimal spannende Bäume

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Graphentheorie Mathe-Club Klasse 5/6

1. Einleitung wichtige Begriffe

Definition Ein gerichteter Graph G = (V, E) ist ein Graph von geordneten Paaren (u, v) mit u V und v V.

Formale Grundlagen der Informatik

Das Briefträgerproblem

8 Diskrete Optimierung

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Wiederholung zu Flüssen

Logische und funktionale Programmierung

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

Algorithmische Graphentheorie

Kombinatorische Optimierung

Ausarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme

Kapitel 5: Minimale spannende Bäume Gliederung der Vorlesung

Elementargeometrie. Prof. Dr. Andreas Meister SS digital von: Frank Lieberknecht

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

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

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

σ-algebren, Definition des Maßraums

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

Graphen. Leonhard Euler ( )

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

Binary Decision Diagrams (Einführung)

WS 2013/14. Diskrete Strukturen

Matchings (Paarungen) in Graphen. PS Algorithmen auf Graphen SS `06 Steven Birr

Dank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Probleme über Sprachen. Teil II.

Graphentheorie 1. Diskrete Strukturen. Sommersemester Uta Priss ZeLL, Ostfalia. Hausaufgaben Graph-Äquivalenz SetlX

Überblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.

Graph Paar (V,E) V: nichtleere Menge von Knoten (vertex) E: Menge von Kanten (edges): Relation (Verbindung) zwischen den Knoten

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Algorithmen II Vorlesung am

4. Kreis- und Wegeprobleme Abstände in Graphen

Algorithmen und Datenstrukturen (WS 2007/08) 63

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

Flüsse in Netzwerken

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

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

1 Vollständige Induktion

Wie viele Geraden werden von n Punkten aufgespannt?

Vorlesung Kombinatorische Optimierung (Wintersemester 2016/17)

Mathematik und Statistik für Raumplaner I

4.7 Der Algorithmus von Dinic für maximalen Fluss

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen

2. Optimierungsprobleme 6

Bäume Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Proseminar Online Algorithmen, Prof. Dr. Rolf Klein

Graphen und Algorithmen

Übungen zur Linearen Algebra 1

Modelle und Statistiken

WS 2009/10. Diskrete Strukturen

Definitionen und Sätze der Graphentheorie. Dr. F. Göring

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

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

Grundlagen der Theoretischen Informatik

Durchschnitt von Matroiden

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte)

1.4 Äquivalenzrelationen

Mengen, Funktionen und Logik

Maße auf Produkträumen

Praktikum Graphgeneratoren: Planare Graphen

Randomisierte Algorithmen

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe

Praktikum Planare Graphen

Ebene Elementargeometrie

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

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise)

1 Mengen. 1.1 Definition

Einführung in die Graphentheorie. Modellierung mit Graphen. Aufgabe

Mathematik für Ökonomen 1

Stetige Funktionen, Binomischer Lehrsatz

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III

Das disjunktive Graphenmodell für Shop-Probleme

5. Woche Perfekte und Optimale Codes, Schranken. 5. Woche: Perfekte und Optimale Codes, Schranken 88/ 142

Thema: Klassifikation von 1-Mannigfaltigkeiten (mit Beweis) und von abgeschlossenen 2-Mannigfaltigkeiten (ohne Beweis)

Übung zur Vorlesung Algorithmische Geometrie

Transkript:

Algorithmische Graphentheorie Vorlesung 2: Einführung in die Graphentheorie - Teil 2 Babeş-Bolyai Universität, Department für Informatik, Cluj-Napoca csacarea@cs.ubbcluj.ro 2. März 2018 1/48

OPERATIONEN MIT GRAPHEN DISJUNKTE VEREINIGUNG Definition Seien G 1 = (V 1, E 1 ) und G 2 = (V 2, E 2 ) zwei Graphen mit disjunkten Knotenmengen (V 1 V 2 = ). Die disjunkte Vereinigung der beiden Graphen ist der Graph G 1 G 2 = (V 1 V 2, E 1 E 2 ). 2/48

OPERATIONEN MIT GRAPHEN VEREINIGUNG Falls V 1 = V 2, die Vereinigung G 1 G 2 ist definiert als der Graph mit allen Kanten aus G 1 und G 2. Im Allgemeinen, ist die Vereinigung zweier Graphen G 1 = (V 1, E 1 ) und G 2 = (V 2, E 2 ) definiert als G 1 G 2 = (V 1 V 2, E 1 E 2 ), mit V 1 V 2 oder V 2 V 1 oder V 1 = V 2 oder V 1 V 2 =. 3/48

OPERATIONEN MIT GRAPHEN DURCHSCHNITT Definition Seien G 1 = (V 1, E 1 ) und G 2 = (V 2, E 2 ) zwei Graphen. Der Durchschnitt der beiden Graphen ist der Graph G 1 G 2 = (V 1 V 2, E 1 E 2 ). 4/48

BEISPIEL 3 4 1 2 (a) G 1 3 1 2 4 5 6 (b) G 2 3 3 1 2 4 5 6 (c) G 1 G 2 4 1 2 (d) G 1 G 2 Abbildung 1: Vereinigung und Durchschnitt von Graphen. 5/48

OPERATIONEN MIT GRAPHEN SYMMETRISCHE DIFFERENZ Definition Die symmetrische Differenz zweier Graphen G 1 = (V 1, E 1 ) und G 2 = (V 2, E 2 ) ist definiert als der Graph G 1 G 2 = (V, E), mit V = V 1 V 2 und die Kantenmenge ist definiert als E = (E 1 E 2 )\{uv u V 1 V 2 or v V 1 V 2 }. Zur Erinnerung, die symmetrische Differenz zweier Mengen S 1 und S 2 ist definiert als S 1 S 2 = {x S 1 S 2 x / S 1 S 2 }. 6/48

BEISPIEL 5 3 7 9 3 4 1 2 (a) G 1 1 (b) G 2 5 9 7 2 4 (c) G 1 G 2 7/48

OPERATIONEN MIT GRAPHEN Entfernen von Knoten und Kanten Sei G = (V, E, γ) ein Graph. Das Entfernen einer Kante e E erzeugt aus G einen neuen Graphen G {e} = (V, E \ {e}, γ). Analog für eine Kantenmenge F E. G {v} der Graph, der aus G durch Entfernen des Knotens v hervorgeht. Das Entfernen von v schließt das gleichzeitige Entfernen aller zu v inzidierenden Kanten ein. Analog für einen Kantenmenge X V 8/48

BEISPIEL c a b e d (a) G 9/48

BEISPIEL c a e d (b) G {b} 10/48

BEISPIEL c e d (c) G {a, b} 11/48

BEISPIEL c d (d) G {a, b, e} 12/48

BEISPIEL (e) G {a, b, c, d, e} 13/48

BEISPIEL MIT SAGE KNOTENENTFERNUNG 14/48

BEISPIEL KANTENENTFERNUNG b c (f) G a 15/48

BEISPIEL KANTENENTFERNUNG b c (g) G {ac} a 16/48

BEISPIEL KANTENENTFERNUNG b c (h) G {ab, ac, bc} a 17/48

BEISPIEL MIT SAGE KANTENENTFERNUNG 18/48

FUSION UND KONTRAKTION Fusion Identifizieren der Knoten v und w in einem Knoten, der zu allen Kanten inzident ist, die vorher einen dieser Knoten als Endknoten hatten. Wir bezeichnen den entstehenden Graphen mit G uv. (Analog G X ). Kontraktion...der Kante e, mit γ(e) = {u, v} ist das Entfernen von e mit der anschließenden Fusion der Endknoten u und v. Wir bezeichnen den durch Kontraktion von e aus G hervorgehenden Graphen mit G/e. 19/48

BEISPIEL KONTRAKTION d e f c a b (i) G 1 20/48

BEISPIEL KONTRAKTION d e f c v ab = g (j) G 2 = G 1 /ab 21/48

BEISPIEL KONTRAKTION d f e v cg = h (k) G 3 = G 2/cg 22/48

BEISPIEL KONTRAKTION f e v dh = i (l) G 4 = G 3/dh 23/48

BEISPIEL KONTRAKTION e v fi = j (m) G 5 = G 4 /fi 24/48

BEISPIEL KONTRAKTION v ej (n) G 6 = G 5/ej 25/48

KOMPLEMENTGRAPH Definition Ein Komplementgraph ist ein Graph mit gleicher Knotenmenge aber die Kantenmenge besteht aus genau die Knoten, die im Ursprungsgraph nicht vorhanden sind. Ein schlichter Graph, der isomorph ist zu seinem Komplementgraph, heißt Selbstkomplementär. 26/48

Theorem Falls der Graph G = (V, E) Selbstkomplementär ist, dann ist die Ordnung von G gleich mit V = 4k oderr V = 4k + 1 für k N. Falls die Ordnung von G gleich n = V ist, dann gilt E = n(n 1)/4. 27/48

KARTESISCHER PRODUKT Definition Der kartesischer Produkt G H der Graphen G und H ist ein Graph so dass die Menge der Knoten von G H ist das kartesische Produkt V(G H) = V(G) V(H). Zwei Kanten (u, u ) und (v, v ) sind adjazent in G H genau dann, wenn entweder 1 u = v und u ist adjazent zu v in H; oder 2 u = v und u ist adjacent zu v in G. Die Knotenmenge von G H ist V(G H) und die Kantenmenge von G H ist E(G H) = ( V(G) E(H) ) ( E(G) V(H) ). 28/48

BEISPIEL MIT SAGE KARTESISCHES PRODUKT 29/48

BEISPIEL MIT SAGE KARTESISCHES PRODUKT (o) K 3 (p) P 3 (q) K 3 P 3 30/48

n-dimensionaler HYPERCUBE Definition Der n-dimensionale Hypercube Q n = (V n, E n ) ist definiert wie folgt: V n ist die Menge der Bitstrings der Länge n. Für zwei Bitstrings p, q V n gilt {p, q} E n genau dann, wenn p und q sich in genau einem Bit unterscheiden. Das kartesische Produkt von K 2 Graphen ist das Hypercube: (K 2 ) n = Q n. (r) Q 1 (s) Q 2 31/48

BEISPIEL HYPERCUBE GRAPHEN 32/48

BEISPIEL MESHGRAPHEN (v) M(3, 4) (w) M(3, 2, 3) 33/48

MINOREN Definition Ein Graph H heißt Minor eines Graphen G, falls H isomorph ist zu einem Graph, welcher als eine Reihenfolge von Kantenkontraktionen aus G entsteht. 34/48

UNTERGRAPH Definition Sei G = (V, E) ein Graph. Ein Graph H = (W, F) mit W V und F E heißt Untergraph (subgraph) von G. Gilt W = V, dann heißt H aufspannender Untergraph (spanning subgraph) von G. Gilt F = {{v, w} {v, w} E, v, w W}, dann heißt H induzierter Untergraph (induced subgraph) von G. Für solch einen induzierten Untergraphen schreiben wir auch G(W). 35/48

UNTERGRAPH (2) 36/48

UNTERGRAPH (3) (x) (y) 37/48

UNTERGRAPH (4) 38/48

UNTERGRAPH (5) Jeder Graph mit mindestens 5 und höchstens 9 Knoten ist ein Untergraph dieser vollständiger Graphen. Wieviele gibt es? 39/48

UNTERGRAPH (5) Jeder Graph mit mindestens 5 und höchstens 9 Knoten ist ein Untergraph dieser vollständiger Graphen. Wieviele gibt es? 68 Milliarden... 39/48

ANZAHL DER KANTEN Sei G = (V, E, γ) ein endlicher Graph mit V = n. Wie groß ist die maximale Anzahl der möglichen Kanten? 40/48

ANZAHL DER KANTEN Sei G = (V, E, γ) ein endlicher Graph mit V = n. Wie groß ist die maximale Anzahl der möglichen Kanten? Satz Ein Graph mit n Knoten hat maximal n(n 1)/2 Kanten Beweis: Es gibt höchstens n 2 mögliche Kanten, davon n Schlingen, Alle Kanten sind doppelt gezählt. Somit beträgt die maximale Anzahl der Kanten (n 2 n)/2 = n(n 1)/2 40/48

CLIQUE Definition Es sei G = (V, E) ein Graph. Eine Knotenmenge U V (bzw. der von U induzierte Untergraph G(U)) heißt Clique genau dann, wenn G(U) ein vollständiger Graph ist. Die maximale Größe einer Clique in G wird mit ω(g) bezeichnet, d.h. ω(g) := max{ U U ist Clique in G}. 41/48

CLIQUE (2) 42/48

WEGE Definition Es sei G = (V, E) ein Graph. Eine Folge v 0, v 1,..., v n ) von Knoten mit e i := {v i 1, v i } E für i = 1, 2,..., n heißt Kantenzug (walk). Ein Kantezug, bei dem die Kanten e i alle verschieden sind, heißt Weg (trail). Die Länge des Weges ist n. Ein Weg heißt einfacher Weg (path) gdw. die Knoten v j paarweise verschieden sind. 43/48

WEGE (2) 44/48

KREISE Definition Die folgenden Bezeichnungen beziehen sich auf die vorige Definition: Gilt in einem Kantezug v 0 = v n, so sprechen wir von einem geschlossenen Kantenzug (closed walk). Ein Weg für den v 0 = v n gilt heißt Kreis (closed trail). Ein Kreis, bei dem die Knoten v j mit Ausnahme von v 0 = v n paarweise verschieden sind, heißt einfacher Kreis (cycle). 45/48

KREISE (2) 46/48

BEMERKUNGEN ZU WEGE UND KREISE 47/48

HILFSSÄTZE ZU WEGE UND KREISE Lemma Es sei G = (V, E) ein Graph und es seien a, b V, a b zwei verschieden Knoten von G. Dann gilt: Wenn ein Kantenzug von a nach b existiert, dann existiert auch ein einfacher Weg von a nach b. Lemma Wenn ein Graph G einen geschlossenen Kantenzug K enthält, in dem eine Kante von K nicht mehrfach vorkommt, dann enthält G auch einen einfachen Kreis. 48/48