Eine Näherungslösung für das Problem des Handlungsreisenden

Slides:



Advertisements
Ähnliche Präsentationen
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Advertisements

Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
1.1.2: Frequent Pattern Growth von Nicolai Voget
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
ADS Vorlesung Prof. Dr. W. Conen, FH Gelsenkirchen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Algorithmentheorie 12 – Spannende Bäume minimalen Gewichts
High Performance = Innovative Computer Systems + Efficient Algorithms Friedhelm Meyer auf der Heide 1 HEINZ NIXDORF INSTITUT Universität Paderborn Algorithmen.
Algorithmen und Komplexität
Minimum Spanning Tree: MST
Vortrag über Graphen Von Jörg Hendricks.
Effiziente Algorithmen
Chromatische Zahl.
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Kapitel 8: Graphalgorithmen 8. 1 Grundlagen 8
Informatik Datenstruktur Graph 3.3 Durchlaufen von Graphen
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Geoinformation II 6. Sem. Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms.
Analyse der Laufzeit von Algorithmen
Konvexe Hüllen (Convex Hulls)
Übungsart: Seite: Bearbeitet von: Siegbert Rudolph Lesemotivationstraining Titel: Quelle: Nächste Seite 1 Bedienungshinweise: Mit einem Klick geht es immer.
Übungsart: Seite: Bearbeitet von: Siegbert Rudolph Lesemotivationstraining Titel: Quelle: Nächste Seite 1 Bedienungshinweise: Mit einem Klick geht es immer.
Syncrepl Replikation mit Die 4. Secure Linux Administration Conference 2009 Stefan Kania 10. bis 11. Dezember 2009.
4 So war es nicht geplant! «Vernetzte» Proportionen
Graphen.
Übersicht der Vorgehensweise bei der Einrichtung von Kleiderspendencontainern
שיעור בענין חצות בשעות זמניות
Musterlösung zur Klausur "Diskrete Mathematik" vom
Das Addierwerk eines Rechners
Das Problem des Handlungsreisenden
Betreuer: Dipl.-Inf. (FH) Peter Poschmann
Algorithmen für Geographische Informationssysteme
Willkommen bei PowerPoint
Technische Informatik II
Wahrheitswerte und Logikfunktionen
HCS Übung 6 Von: Patrick Denk Oleg Arenz
Paradoxien in der Stochastik
Wiederholung Breitensuche BFS mit Startknoten s Tiefensuche
Graphen.
Fächerabwahl am Ende der Jahrgangsstufe Q2-1
Titel: Quelle: Übungsart: Titel: Quelle: Uhr Die Uhr lesen lernen
Wachstumsprozesse Natürliches Wachstum Größenbeschränktes Wachstum
Verhalten eines Graphen im Unendlichen: der limes
1. Die rekursive Datenstruktur Liste 1.3 Rekursive Funktionen
Abstandsbestimmungen
Algorithmen und Datenstrukturen
2. Die rekursive Datenstruktur Baum 2.2 Suchen und Einfügen
M A T H E.
Mathematik Thema: Konstruktion von Dreiecken
Wahlteil 2009 – Geometrie II 1
Pflichtteil 2016 Aufgabe 6: Gegeben ist die Gerade
Wahlteil 2016 – Aufgabe B 1 Aufgabe B 1.1 In einem Koordinatensystem beschreiben die Punkte
3. Die Datenstruktur Graph 3.3 Durchlaufen von Graphen
Lage, Schnitte und Schnittwinkel
1. Die rekursive Datenstruktur Liste 1.6 Die Datenstruktur Stapel
1. Gib das Ergebnis an: (975.2 : 23) + (12 · 21.9) − (12 · 6.9) − (892.4 : 23) : 23 = · 21.9 = · 6.9 = : 23 =
2.4 Durchlaufen von Bäumen
Abiturprüfung Mathematik 2015 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 2.1 und B Lösungen.
DB2 – SS 2019 von Baum allgemein bis B*-Baum
Algorithmen und Datenstrukturen
DB2 – SS 2019 von Baum allgemein bis B*-Baum
 Präsentation transkript:

Eine Näherungslösung für das Problem des Handlungsreisenden

Euklidische Graphen Ein Graph heißt euklidisch, wenn in jedem seiner Dreiecke die Umwege mindestens so lang sind wie die direkten Wege. 3 9 7 Im abgebildeten Dreieck ist die Bedingung erfüllt, denn wegen 3 + 7 = 10 > 9 9 + 3 = 12 > 7 7 + 9 = 16 > 3 sind die Umwege immer mindestens so lang wie die direkten Wege. Wenn wir einen Graph mit geographischen Entfernung (z. B. Flugrouten) haben, dann ist er stets euklidisch, denn in realen Dreiecken ist die obige Bedingung immer erfüllt. Man nennt sie dort auch die Dreiecksungleichung.

Fehlende Kanten Wenn in einem Graphen eine Kante fehlt, dann ist er nicht mehr euklisch. 3 ∞ 7 Denn eine fehlende Kante wird als unendlich lang betrachtet. Damit gilt 3 + 7 = 10 < ∞ und der Graph ist nicht euklidisch. Also können nur vollständige Graphen euklidisch sein.

Näherungslösung für Handlungsreisen In einem euklidischen Graphen können wir mit dem folgenden Algorithmus eine Handlungsreise erzeugen. Im allgemeinen wird sie allerdings nicht die kürzestmögliche sein. Durchlaufe die Knoten des minimalen Spannbaums in einer Tiefensuche. Wenn du dabei gezwungen wärest, Kanten ein zweites Mal zu durchlaufen, nimm die jeweilige Abkürzung. Die Gesamtkantenlänge des minimalen Spannbaum ist höchstens die Länge L der kürzestmöglichen Handlungsreise. Wenn wir den minimalen Spannbaum in einer Tiefensuche durchlaufen, legen wir also höchstens die Gesamtstrecke 2∙L zurück, denn eine Tiefensuche durchläuft jede Kante genau zweimal. Da wir Abkürzungen verwenden, ist die Länge der entstehenden Handlungsreise ebenfalls höchstens 2∙L, also höchstens doppelt so lang wie die kürzestmögliche Handlungsreise.

Beispiel Wir beginnen die Tiefensuche in unserem minimalen Spannbaum beim Knoten 0. 1 7 7 4 4 9 3 3 10 10 7 7 7 7 6 6 4 11 5 3 3 12 9 12 6 6 3 6 3 4 4 6 2 8 6 7 9 7 7 5 11 6 9 6 8 8 3 4 4 11 15 15 10 Die entstandene Handlungsreise hat Gesamtlänge 79 und ist damit um 14 Einheiten länger als die kürzestmögliche Handlungsreise 0-2-1-4-5-8-7-11-10-9-6-3.

Wie euklidisch muss der Graph sein? Wie wir im Beispiel gesehen haben, muss der Graph gar nicht überall euklidisch sein, damit der Algorithmus funktioniert. Es genügt, dass er entlang des Spannbaums (und zwar dort, wo Abkürzungen benötigt werden) euklidisch ist.

Aufwand der Näherungslösung Um mit dem Algorithmus von Kruskal den minimalen Spannbaum zu erzeugen, haben wir Aufwand O(n2 · log n). Für die Tiefensuche im Spannbaum benötigen wir O(n-1) = O(n), da der Spannbaum n-1 Kanten hat. Die Abkürzungen können wir ebenfalls mit O(n) einzeichnen. Der Gesamtaufwand der Näherungslösung beträgt demzufolge O(n2 · log n). Das ist wesentlich weniger als der Aufwand O(n!) für die exakte Lösung. Darum ist die Näherungslösung immer dann zu bevorzugen, wenn die Planung der Reise mit dem exakten Algorithmus länger dauern würde als die Handlungsreise selbst.

Interpretation Wir haben hier ein allgemeines Prinzip der Algorithmik kennengelernt: Manche Probleme sind (zumindest nach derzeitigem Wissensstand) nur mit sehr hohem Aufwand exakt zu lösen. Wenn wir allerdings bereit sind, uns mit recht brauchbaren Näherungen zufriedenzugeben, finden wir oft einfache und sehr schnelle Algorithmen, die das Problem annähernd lösen.