Suchbäume Richard Göbel.

Slides:



Advertisements
Ähnliche Präsentationen
Der R-Baum Richard Göbel.
Advertisements

Simulationsansätze in der BWL: Erstellung eines eigenen Projekts
Punkt-in-Polygon-Verfahren III (R/R+-Baum)
Grundlagen des A*-Algorithmus und Anwendung in der Routenplanung
Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Der k-d-Baum Richard Göbel.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (26-Graphenalgorithmen: Wiederholung und Übung) Prof. Th. Ottmann.
Schwierigkeit von Aufgabenstellungen
Constraint Satisfaction Problems
FH-Hof Der B-Baum Richard Göbel. FH-Hof Wahl des Verzweigungsgrad Verzweigungsgrad kann größer als 2 sein v Nachfolger für einen Knoten v-1 Werte in einem.
Der B-Baum Richard Göbel.
Problemlösen durch Suchen
Informierte Suche.
Spielbäume Richard Göbel.
FH-Hof Eine räumlich-zeitliche Suchmaschine für Sicherheitsanwendungen Richard Göbel.
Sortieren mit Binären Bäumen
Sortierverfahren Richard Göbel.
FH-Hof Grammatiken Richard Göbel. FH-Hof Begriffe Eine Grammatik definiert die Struktur (Syntax) einer Zeichenkette Eine Grammatik definiert nicht die.
FH-Hof Künstliche Intelligenz - Suchbäume Richard Göbel.
FH-Hof Deadlocks Richard Göbel. FH-Hof Deadlock - Definition Menge von Prozessen ist an einem Deadlock beteiligt: wenn jeder Prozess in dieser Menge auf.
Listen Richard Göbel.
Parser - Verfahren: Rekursiver Abstieg
Sortierverfahren Richard Göbel.
FH-Hof Effizienz - Grundlagen Richard Göbel. FH-Hof Inhalt Einführung Aufwand für Anfragen ohne Indexierung Indexstrukturen für Anfragen an eine Tabelle.
FH-Hof Grundlagen mehrdimensionaler Suchstrukturen Richard Göbel.
Parser für CH3-Sprachen
Motivation Richard Göbel.
Der R-Baum Richard Göbel.
FH-Hof Optimierungsverfahren für kombinatorische Probleme Richard Göbel.
Effizienz: Indexstrukturen
FH-Hof Analyse des R-Baums Richard Göbel. FH-Hof Ansatz Annahme: Die Bearbeitungszeit für eine Anfrage wird dominiert von der Ladezeit der Knoten von.
FH-Hof Georeferenzieren Richard Göbel. FH-Hof Geographische Positionen in Bilddaten Bilddaten werden von Kameras (Sensoren): auf Flugzeugen oder auf Satelliten.
Baumstrukturen Richard Göbel.
Heuristiken Automatic Problem Solving Institut für Informatik
WS Algorithmentheorie 13 - Kürzeste (billigste) Wege Prof. Dr. Th. Ottmann.
1WS 06/07 Organisatorisches 1.Vorlesung am Montag, : 9-11 Uhr in Gebäude 106, Raum Podcasts: Probleme mit der Videoqualität sind behoben.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Algorithmentheorie 7 – Bin Packing
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (05 – Elementare Datenstrukturen) Prof. Th. Ottmann.
Informatik II, SS 2008 Algorithmen und Datenstrukturen Vorlesung 6 Prof. Dr. Thomas Ottmann Algorithmen & Datenstrukturen, Institut für Informatik Fakultät.
Informatik II – Kapitel 13
Algorithmen und Komplexität
Teil 5: Kollisionsvermeidung & Wegplanung
Teil I: Uninformierte Suche
Teil II: Informierte Suche
FH-Hof Analyse des R-Baums - Teil 1 Richard Göbel.
Rekursion Richard Göbel.
Template Pattern Richard Göbel.
FH-Hof Adapter & Facade Pattern Richard Göbel. FH-Hof Motivation Gegeben ist eine Klasse mit vorhandenen Methoden Gefordert ist eine Klasse, die ein bestimmtes.
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung 1 SS 2001 Algorithmus von Dijkstra.
Splay Trees Von Projdakov Benjamin.
Computational Thinking Online Algorithmen [Was ist es wert, die Zukunft zu kennen?] Kurt Mehlhorn Konstantinos Panagiotou.
Diskrete Mathematik II
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/ /23.1.
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation
Suchstrategien Tiefensuche Suchstrategien Greedy- Suche A*- Suche
Zur Verfügung gestellt von education highway Welche Zahl passt? Start.
… oder wie finde ich den Weg
Quiz Dezimalbrüche Klicke jeweils die richtige Lösung an.

Der A*-Algorithmus.
Lösungshinweise zu den Suchalgorithmen. Der Baum zum Zustandsgraphen GE OBE DUI GE D MH D OB MH DUI E DOBMH OBE DUIGED MH DGE MH EDUI D OBMH DGE MH DUIEE.
Binärbäume.
Geoinformationssysteme
 Präsentation transkript:

Suchbäume Richard Göbel

Beispiel: Puzzle lösen 1 2 3 4 5 6 7 8

Beispiel: Lösen eines Puzzle 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8

Elementare Suchverfahren Depth First Search: . . . zuerst in die Tiefe und danach in die Breite . . . Breadth First Search . . . Zuerst in die Breite und danach in die Tiefe . . . Britisch Museum: alle Nachfolger erzeugen

Elementare Verfahren – Depth First Search

Elementare Verfahren – Breadth First Search

Heuristische Bewertungsfunktion Gibt für jeden Zustand den geschätzten Abstand zum Ziel an Beispiel: Zähle die Anzahl der falschen Positionen von Zahlen für das Puzzle 1 2 3 4 5 6 7 8 Anzahl falscher Positionen: 3

Beispiel: Lösen des Puzzle mit Bewertungsfunktion 3 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 4 2 4 4 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 1 2 3 4 5 6 7 8 3 3

Verfahren mit Bewertungsfunktion Hill Climbing Wähle den Weg (Kindknoten) des aktuellen Knotens, der den kürzesten Weg zum Ziel repräsentiert „Wähle einen alternativen Weg falls keine (optimale) Lösung gefunden wurde (Backtrack) Best First Search Wähle den Knoten mit der besten Bewertung aus allen bisher betrachteten Knoten

Hill Climbing - Beispiel 9 8 7 6 3 4 4 5 5 2 8 9 9 4 6

Best First Search - Beispiel 9 8 7 6 3 4 4 5 5 2 8 9 9 4 6

Kostenfunktion Gibt die bisherigen Kosten für die Erreichung eines Zustands an Beispiel: Zähle der Verschiebeoperation im Puzzle Finde Lösung mit minimalen Kosten

Suchverfahren für optimale Lösung Gesamtbewertung ergibt sich aus den tatsächlichen Kosten + dem geschätzten Abstand zum Ziel Abstandsfunktion ist „admissive“, wenn sie den tatsächlichen Abstand nie überschätzt. Best First Search liefert für eine solche Abstandsfunktion immer die optimale Lösung Bezeichnung: A*

Alternativer Ansatz - Optimierung Beginne mit einem Anfangszustand, der noch nicht alle Bedingungen erfüllt Finde ausgehend vom dem Anfangszustand einen „besseren“ Zustand (zum Beispiel mit Hilfe eines Suchverfahren) Setze das Verfahren mit dem gefundenen Zustand fort Beende das Verfahren, falls der Zustand alle Bedingungen erfüllt.

Beispiel - Zahlenpuzzle 1 4 1 1 1 3 7 1 6 1 8 2 5 2 2 2 4 1 1 1 3 4 1 1 1 3 7 1 6 1 8 2 7 1 6 1 5 2 2 2 5 2 2 2 8 1

Beispiel – Zahlenpuzzle 2 4 1 1 1 3 7 1 6 1 5 2 2 2 8 1 1 1 4 1 1 1 4 1 1 1 4 1 3 3 1 7 1 6 1 3 1 7 1 6 1 2 7 6 8 2 2 1 5 2 2 2 8 1 5 2 5 2 8 2 2

Beispiel – Zahlenpuzzle 3 4 1 3 4 1 1 1 3 7 1 1 2 6 7 1 6 1 4 1 1 1 3 5 2 2 2 8 1 5 2 2 2 8 1 7 1 6 4 1 1 1 3 4 1 1 1 3 5 2 2 2 8 1 7 2 6 7 1 2 1 6 5 2 2 2 8 1 5 2 8 1

Suchverfahren haben in der Regel einen exponentiellen Aufwand Diskussion Suchverfahren haben in der Regel einen exponentiellen Aufwand Der Zeitaufwand ist abhängig von der Güte der Abstandsfunktion Tatsächlicher Abstand stellt linearen Suchaufwand sicher . . . . . . basiert aber in der Regel auf einer Lösung der Aufgfabenstellung Optimierung hilft in einigen aber nicht allen Fällen