Upload
hoangnhan
View
220
Download
3
Embed Size (px)
Citation preview
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Vorlesung DatenstrukturenGraphen (2)
Spannbäume
Kürzeste Wege
455
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Wiederholung
456
Traversierung eines Graphen via Tiefendurchlaufs / Breitendurchlauf
1. Wähle einen beliebigen Knoten aus dem Graph
2. Lege diesen Knoten in einem Stapel / einer Schlange ab
3. Solange der Stapel / die Schlange nicht leer ist
• Entnimm einen Knoten v aus dem Stapel / der Schlange
• Wenn v nicht markiert ist, dann
• Markiere v als besucht
• Füge alle zu v adjazenten, nicht markierten Knoten dem Stapel / der Schlange hinzu
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
SpannbaumGrundidee
Aufgrund der systematischen Verarbeitung der Knoten eines Graphen sowie des Ignorierens bereits besuchter Knoten kann man aus der Reihenfolge der besuchten Knoten des Graphen einen Baum konstruieren, der alle Graphknoten enthält, die vom Startknoten aus erreichbar sind.
Erzeugung
Man generiert aus dem jeweils im Traversierungsalgorithmus verarbeiteten (noch nicht markierten) Knoten v einen Baum, bei dem v immer die (Teilbaum-)Wurzel seiner (noch nicht markierten) adjazenten Knoten darstellt, folgt dem Weg der Verarbeitung und entfernt gegebenenfalls bei Markierung eines Knotens Duplikate auf schon existierenden Ebenen.
Spannwald
Falls nicht alle Knoten des Graphen im Spannbaum enthalten sind, können wir den Vorgang für die nicht besuchten Knoten wiederholen und erhalten dann einen Wald von Spannbäumen.
457
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Gewichtete GraphenVerallgemeinerung von Graphen
Sehr viele Probleme auf Graphen beruhen auf der Auswertung einer Kostenfunktion, die Kanten ein Gewicht zuordnet, z.B. Routenplanung (Distanzen zwischen Städten, Übertragungskosten von Energie im Energieverbund, Informationsweg zwischen Kommunikationspartnern im Internet, ...)
Realisierung
• Adjazenzmatrix: Wir speichern die tatsächlichen Gewichte der Kanten statt der Binärgewichte (Kante vorhanden / keine Kante).
• Adjazenzliste: Wir erweitern die Liste der adjazenten Knoten um eine Strukturkomponente,die das Gewicht der Kante zum aktuellen Knoten aufnimmt.
Einschränkung
Negative Gewichte sind nicht erlaubt. Diese Forderung stellt jedoch keine wirkliche Einschränkung dar, da sich Graphen entsprechend umformen lassen (Gallo, Pallottino, 1986).
458
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Kürzester Weg zwischen zwei KnotenAlgorithmus von Dijkstra
Berechnet von einem gegebenen Startknoten aus die kürzesten Wege zu allen Knoten eines Graphen (die von diesem Startknoten aus erreichbar sind).
Allgemeines Funktionsprinzip
Für jeden Knoten u wird zusätzlich festgehalten, zu welchen günstigsten Gesamtkosten und über welchen Vorgängerknoten u vom Startknoten aus am günstigsten erreichbar ist.
Falls ein Knoten v gefunden werden kann, über den man kostengünstiger zu u gelangt, werden die Gesamtkosten aktualisiert und der Vorgängerknoten von u auf v gesetzt.
Startzustand
Initialisiere alle Knoten mit Kosten ∞
Initialisiere Startknoten mit Kosten 0
459
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Algorithmus von DijkstraEingabe
• Gewichteter Graph mit Knotenmenge V und Kantenmenge E mit Kantengewicht w(e∈E)
• Startknoten s∈V
Pseudocode
K(v) = ∞ für alle v∈V // Initialisierung der Gesamtkosten eines Knotens
K(s) = 0 // Startknoten hat Kosten 0
R = V // Menge noch zu untersuchender Knoten
Solange R nicht leer ist
Wähle v∈R mit kleinstem K(v) // Verwende immer den „billigsten Knoten“
Entferne v aus R
Für alle zu v adjazenten Knoten u mit u∈R
Wenn K(v) + w(v,u) < K(u) // u ist über v billiger zu erreichen
K(u) = K(v) + w(v,u) // aktualisiere Kosten von u
Vorgänger(u) = v // aktualisiere Vorgänger von u
460
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Kürzeste Wege zwischen allen KnotenFloyd-Warshal-Algorithmus
Wir testen für alle möglichen Kantenkombinationen (j,k), ob man über irgendeinen dritten Knoten i günstiger (bzw. überhaupt) von j nach k gelangen kann, also ob w(j,i) + w(i,k) < w(j,k).
Wenn ja, aktualisieren wir das Gewicht w(j,k).
Voraussetzung
Darstellung des gewichteten Graphen mittels Adjazenzmatrix.
Ergebnis
Modifizierte Adjazenzmatrix, die die günstigsten Verbindungen zwischen allen Knoten (auch indirekter Art) enthält.
Besonderheit
Negative Gewichte sind direkt möglich.
461
for i = 1 to |V|
for j = 1 to |V|
for k = 1 to |V|
if w(j,i) + w(i,k) < w(j,k)
w(j,k) = w(j,i) + w(i,k)
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Floyd-Warshall-Algorithmus
Zyklenerkennung
Der Floyd-Warshall-Algorithmus beinhaltet eine implizite Zyklenerkennung.
Voraussetzung
Die Elemente der Hauptdiagonalen der Adjazenzmatrix müssen mit ∞ initialisiert werden.
Ergebnis
Falls nach der Ausführung des Algorithmus mindestens ein Gewicht auf der
Hauptdiagonalen ungleich ∞ ist, dann existiert (mindestens) ein Zyklus im
Graphen.
462
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Bewertung der VerfahrenFloyd-Warshall-Algorithmus
• berechnet die kürzesten Wege zwischen
allen Knoten eines Graphen
• negative Gewichte sind direkt möglich
• sehr hohe Berechnungskomplexität O(|V|3)
463
Dijkstra-Algorithmus
• berechnet die kürzesten Wege / Kosten
zwischen einem Startknoten und allen anderen Knoten
• nur positive Gewichte sind möglich
• hohe Berechnungskomplexität O(|V|2)
Fazit (für Berechnung der kürzesten Wege zwischen allen Knoten)
• für lichte Graphen bietet sich die |V|-malige Berechnung des kürzesten Weges zwischen
jedem v∈V und den anderen Knoten nach der Methode von Dijkstra an
• für dichte Graphen ist die Laufzeit des Floyd-Warshall-Algorithmus akzeptabel
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Ein AnwendungsbeispielWeg- bzw. Zielsuche in einem Labyrinth:
464
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Modellierung des Labyrinths als GraphJeden Punkt im Labyrinth, an dem sich eine Wahlmöglichkeit für den Weg bietet oder ein Weg endet, modellieren wir als Knoten und alle verbindenden Wege als Kanten eines Graphen.
Da die Wege im Labyrinth in beide Richtungen beschritten werden können, sind die Kanten ungerichtet.
465
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Suchen in GraphenSuchen mittels Graphtraversierung
Mit Hilfe der Graphmodellierung des Labyrinths können wir mit Hilfe der bekannten Traversierungsalgorithmen einen Weg durch das Labyrinth von dessen Eingang (dem Startknoten) zum Ausgang (einem Zielknoten) finden.
Im Gegensatz zur Traversierung aller Knoten können wir die Suche abbrechen, sobald wir einen Zielknoten gefunden haben.
Tiefensuche & Breitensuche
Analog zum Tiefen- oder Breitendurchlauf eines Graphen bezeichnen wir das korrespondierende Suchverfahren als Tiefen- oder Breitensuche.
Wegsuche & Zielsuche
Je nach Aufgabenstellung kann sowohl der Zielknoten als auch der Weg dahin (oder auch beides) gefordert sein. Deshalb unterscheiden wir Suchalgorithmen bezüglich Weg- oder Zielsuche:
• Beispiel für Zielsuche: Floyd-Warshall-Algorithmus
• Beispiel für Wegsuche: Navigation eines Roboters durch ein Labyrinth (via Dijkstra-Algorithmus)
466
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Weg- und Zielsuche im Labyrinth
www.onlinekunst.de/malbuch/labyrinth.html
467
Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie
Ende der Vorlesung
468