Planarisierung von Cluster Graphen

Slides:



Advertisements
Ähnliche Präsentationen
Freie Universität Berlin Institut für Informatik
Advertisements

Punkt-in-Polygon-Verfahren III (R/R+-Baum)
Grundlagen des A*-Algorithmus und Anwendung in der Routenplanung
Minimum Spanning Tree: MST
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (26-Graphenalgorithmen: Wiederholung und Übung) Prof. Th. Ottmann.
Datenstrukturen, Algorithmen und Programmierung 2 (DAP2)
Automatisches Zeichnen Ausgabe: — Besprechung:
Graphen Ein Graph ist eine Kollektion von Knoten und Kanten. Knoten sind einfache Objekte. Sie haben Namen und können Träger von Werten, Eigenschaften.
Suche in Texten (Stringsuche )
Wasserfall-Ansätze zur Bildsegmentierung
Die 1-Baum-Relaxation des TSP mit der Subgradientenmethode
Marco Barz Seminar über Algorithmen SoSe2007
Algorithmentheorie 04 –Hashing
Konstruktion von Suffix Bäumen
Konstruktion von Suffix Bäumen
Das Maßproblem von Klee
WS Prof. Dr. Th. Ottmann Algorithmentheorie 09 - Suche in Texten Suffix –Tree –Konstruktion Ukkonen Algorithmus.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (21 – Kürzeste Wege) T. Lauer.
Präsentation zu Milestone 1: Planaritätstest, Planarisierierung und Orthogonalisierung Gruppenmitglieder: cku, ocl, pdo, bra.
PG 478 – Open Graph Drawing Framework Thema: Compounds & Force-Directed Francois Bertault & Mirka Miller – An Algorithm for Drawing Compound Graphs [1999]
Algorithmen und Komplexität
Christian Schindelhauer
Minimum Spanning Tree: MST
The Rectilinear Steiner Tree Problem is NP-complete
Vortrag über Graphen Von Jörg Hendricks.
Effiziente Algorithmen
2. Die rekursive Datenstruktur Baum 2
Flüsse, Schnitte, bipartite Graphen
Effiziente Algorithmen
Chromatische Zahl.
Geoinformation II Vorlesung 4 SS 2001 Voronoi-Diagramme.
Effiziente Algorithmen
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Black Box 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
Prof. Dr. Petra Mutzel Animation Planarisierungsverfahren Lehrstuhl für Algorithm Engineering LS11 Universität Dortmund Automatisches Zeichnen von Graphen.
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Vorlesung Mai 2000 Konstruktion des Voronoi-Diagramms II
Kapitel 8: Graphalgorithmen 8. 1 Grundlagen 8
Informatik Datenstruktur Graph 3.1 Einfache Graphen
Kapitel 8: Graphalgorithmen 8. 1 Grundlagen 8
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
Eine kurze Geschichte der Graphentheorie
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Datenstrukturen für den Algorithmus von.
Henneberg-Konstruktion in O(n²) Konstruktion von Laman-Graphen mittels Rot-Schwarz-Hierarchien Marko Walther WS 07/08.
Constraint Delaunay Triangulations
Routenplanung querfeldein - Geometric Route Planning
Stefan Nolting Andreas Goebels Larissa Timajev
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung der Algorithmus von Floyd.
Konvexe Hüllen (Convex Hulls)
Gliederung der Vorlesung
Binärbäume.
Das Problem des Handlungsreisenden
gesucht ist die Geradengleichung
Vorlesung AVL-Bäume/Algorithmen-
Vorlesung AVL-Bäume/Algorithmen-
Punkt-in-Landkarte II
Wiederholung Breitensuche BFS mit Startknoten s Tiefensuche
Computing orthogonal drawings with the minimum number of bends
Wiederholung Verband Ungerichtete Graphen Partielle Ordnung
 Präsentation transkript:

Planarisierung von Cluster Graphen Bihui Dai PG478

Übersicht Struktur eines Clustergraphs Motivation Zeichnung eines Clustergraphs Planarisierungsalgorithmus PG478

Struktur eines Clustergraphs PG478

ein zugrundliegende Graph Ein ClusterGraph C(G, T) ein Inklusionsbaum Sub-Cluster V(E) Sub-Cluster V(E) Root Root E F 13 A B 2 4 F E 1 3 5 A C B D C 6 7 D 10 8 9 11 12 1 2 3 6 7 8 9 4 5 13 10 11 12 ein zugrundliegende Graph Ein ClusterGraph C(G, T) ein Inklusionsbaum Der von V(E ) induzierte Teilgraph G(E) PG478

Motivation Viele Anwendungen erfordern das Zeichnen von Clustergraphen. Zum Beispiel: Netzwerke : lokale Netzwerke und Router in autonomen Systemen, autonome Systeme als Cluster Informationssysteme: Entity-Relationship Schema, anhand ähnlicher Eigenschaften in Cluster verpacken PG478

Zeichnung eines Clustergraphs PG478

Zeichnung Der Clustergraph C = ( G,T ) wird gezeichnet  Punkte als Knoten  Kurven als Kanten  Regionen als Cluster PG478

c-planarer Clustergraph Hat es in der Zeichnung keine diese Situationen, dann ist der Clustergraph c-planar 1. Kantekreuzung 2. Die Kanten überqueren die Regionsgrenze mehr als einmal PG478

Zusammenhängender Clustergraph Der Zusammenhang spielt auch eine bedeutende Rolle in unserem Planarisierungsalgorithmus: In dem Planarisierungsalgorithmus ist gegeben für nicht c-planarer zusammenhängender Clustergraph. Ein clustergraph ist cluster-zusammenhängend , wenn für jeden Knoten  von T, G() zusammenhängend ist. Root E F A B 2 4 1 3 5 C 6 7 D 10 8 9 11 12 Zusammenhängender Clustergraph Nicht zusammenhängender Clustergraph PG478

Planarisierung Sei ein nicht planarer Graph G = (V, E) gegeben, dann ist eine Planarisierung von G ein eingebetteter planarer Graph G = (V, E), mit:  V  = VD; D sind unechte Knoten, jeder repräsentiert eine Kreuzung zwischen zwei Kanten;  Ein Kanten-Pfad von G ist ein Pfad mit Knoten u,d1,…,dk,v; (u ,v) ist eine Kante von E und di sind unechte Knoten. PG478

 G ist eine Planarisierung von G; Sei ein nicht c-planarer Clustergraph C =(G, T) gegeben, dann ist eine Planarisierung von C ein c-planarer Clustergraph C =(G, T), mit:  G ist eine Planarisierung von G;  T ist ein Baum abgeleitet aus T, wobei ein Blatt für jeden unechten Knoten von G hinzugefügt wird. PG478

Planarisierungsalgorithmus PG478

Ablauf: Planarisierungsalgorithmus hat zwei Schritte Problem: Gegebenein zusammenhängender nicht c-planar Clustergraph, Wie realisiert man diese Planarisierung? Lösung: Der Planarisierungsalgorithmus wird eingeführt. Ablauf: Planarisierungsalgorithmus hat zwei Schritte 1. Maximal-cPlanar 1.1 Spannbaum 1.2 SimpleReinsertion 2. Wiedereinfügung PG478

Maximal-cPlanar In Maximal-cPlanar wird ein maximaler c-planarer Subgraph des gegeben Clustergraph berechnet. Idee: Anfang mit einem "einfachen" zusammenhängenden c-planaren Subgraph PG478

Die Berechnung besteht aus zwei Schritten: 1. Spannbaum Ein Subgraph wird berechnet, so dass sein zugrundeliegender Graph ein Spannbaum von G ist. 2. SimpleReinsertion Der maximale c-planare Subgraph wird berechnet dadurch, dass die Kanten, die die c-Planarität nicht verletzen, in Spannbaum eingefügt werden. PG478

Spannbaum Nun konstruieren wir den Spannbaum von Cluster: v PG478 F(V) ST(V) PG478

SimpleReinsertion Idee: Einfügen einiger Kanten in schon konstruiertem Cluster-Spannbaum, die keine Kreuzungen verursachen können. PG478

wir führen jetzt SimpleReinsertion aus: Durchlaufe T von unten nach oben Überprüft für jeden Cluster v Füge eine Kante aus G(v)-ST(v) hinzu Dabei kann keine Kreuzung entstehen Danach: Für jede noch nicht eingefügte Kante e Überprüfe c-Planarität wenn Kante e eingefügt wird Füge Kante e ein, falls planar PG478

Wiedereinfügen der verworfenen Kanten Mit Cmp = ( Gmp, T) von C =( G, T) bezeichnen wir einen maximal c-planaren zusammenhängenden eingebetteten Sub-ClusterGraph. Problem: Kanteneinfügen, wobei Cluster nicht c-planar bleiben Die Kanten überqueren mehr als einmal die Regiongrenze PG478

 Lösungsidee: (Schritt für Schritt) -- Es wird ein planarer eingebetteter dualer Graph G‘mp von Gmp konstruiert. --Der kürzeste Weg in G‘mp wird berechnet. --Die Restkanten werden wiedereingefügt . PG478

Die Konstruktion der dualer Graph G‘mp von Gmp Wir materialisieren die Grenze der Cluster v2 v1 Einfügen der Grenzkante Einfügen des kreuzungsknoten v1 Die Kante überquert die Regiongrenze PG478

Die Berechnung des kürzeste Weg Die Ausrichtung und das Entfernen der Kanten von G‘mp . B D E C u v A A B E D C u PG478 v

Ende von Planarisierungsalgorithmus die Komplexität des ganzen Planarisierungsalgorithmus . Gegeben: n..... die Anzahl der Knoten von G m..... die Anzahl der Kante von G c.......die Anzahl der Clustern von T. .......die Anzahl der unechten Knoten Dann Der Algorithmus Maximal-cPlanar benötigt O(mn²); Der Algorithmus Wiedereinfügung benötigt O( m + m²c). Insgesamt: Der Planarisierungsalgorithmus berechnet eine Planarisierung von C in O( m + m²c + mn²). PG478

Vielen Dank für Ihre Aufmerksamkeit PG478