Graph: Unterschied zwischen den Versionen

Aus SibiWiki
Zur Navigation springen Zur Suche springen
 
(27 dazwischenliegende Versionen von 2 Benutzern werden nicht angezeigt)
Zeile 1: Zeile 1:
[[Kategorie:Informatik]]
[[Kategorie:Informatik]]
[[Kategorie:Informatik-Abitur]]
[[Kategorie:Informatik-Abitur]]
[[Kategorie:Informatik-Q1]]
[[Kategorie:Datenstrukturen(IF)]]
[[Kategorie:Datenstrukturen(IF)]]


[[File:Graph_staedte_entfernungen.png|thumb|Graph für die Distanzen zwischen Städten |400px]]
[[File:Graph_staedte_entfernungen.png|thumb|Graph für die Distanzen zwischen Städten |400px]]
<font color='red'>'''nur relevant für den Leistungskurs!'''</font>
Ein Graph ist in der Graphentheorie eine Struktur, die eine Menge von Objekten zusammen mit den zwischen diesen Objekten bestehenden Verbindungen repräsentiert.  
Ein Graph ist in der Graphentheorie eine Struktur, die eine Menge von Objekten zusammen mit den zwischen diesen Objekten bestehenden Verbindungen repräsentiert.  
Die mathematischen Abstraktionen der Objekte werden dabei '''Knoten''' des Graphen genannt. Die paarweisen Verbindungen zwischen Knoten heißen '''Kanten'''.
Die mathematischen Abstraktionen der Objekte werden dabei '''Knoten''' des Graphen genannt. Die paarweisen Verbindungen zwischen Knoten heißen '''Kanten'''.


Ein Graph kann entweder als Graph, als '''Adjazenzliste''' oder als '''Adjazenzmatrix''' dargestellt werden.
Ein Graph kann entweder als Graph, als '''Adjazenzliste''' oder als '''Adjazenzmatrix''' dargestellt werden.


==Schnittstellenbeschreibung==
=Erklärvideos=
* [[Medium:Graph.pdf|Graph Schnittstellenbeschreibung (PDF)]]
 
* [[Medium:GraphNode.pdf|GraphNode Schnittstellenbeschreibung (PDF)]]
* [https://youtu.be/bZLxTuG8cY0 Breiten- und Tiefendurchlauf: Theorie]
TODO: Erklärungen zur Schnittstelle
 
* [https://youtu.be/2mHKVXy0xqo Breitendurchlauf: Implementierung]
 
* [https://youtu.be/cdNonZrj_WE Tiefendurchlauf: Implementierung]
 
=Fachbegriffe=
 
Graph, Knoten, markieren, Kante, Gewicht, Traversierung, Breitendurchlauf, Tiefendurchlauf
 
=Schnittstellenbeschreibung=
 
[[Medium:Graph_Schnittstellen_Abitur_2018.pdf|Graph Schnittstellenbeschreibung (ab Abi 2018)]]


==Adjazenzmatrix==
==Adjazenzmatrix==
Zeile 41: Zeile 54:
||<b>Koeln</b>    ||      ||        || 93      || 189      ||        ||          ||        ||
||<b>Koeln</b>    ||      ||        || 93      || 189      ||        ||          ||        ||
|}
|}
TODO: Algorithmus zum Erzeugen eines Graphen aus einem 2D-Array (Adjazenzmatrix)
==Adjazenzliste==
Man kann die Informationen eines Graphen auch als Adjazenzliste darstellen. Das bietet sich z.B. an, wenn es in einem Graphen nur wenige Kanten gibt; dann ist die komplette Adjazenzmatrix Platzverschwendung.
In der Adjazenzliste werden '''<u>links</u> von oben nach unten''' alle Knoten aufgeführt, z.B. in alphabetischer Reihenfolge; die Reihenfolge ist aber frei wählbar.
<u>'''Nach rechts'''</u> werden alle Nachbarknoten des linken Knoten mit den zugehörigen Entfernungen eingetragen. Auch hier ist die Reihenfolge frei wählbar.
Der oben dargestelle Graph hat folgende Adjazenzliste:
<code>
'''Berlin''' &rarr; Hamburg (289) &rarr; Hannover (290)
&nbsp;&nbsp;&nbsp;&darr;
'''Bremen'''  &rarr; Dortmund (234) &rarr; Hamburg (119) &rarr; Hannover (122)
&nbsp;&nbsp;&nbsp;&darr;
'''Dortmund''' &rarr; Bremen (234) &rarr; Hannover (210) &rarr; Kassel (190) &rarr; Köln (93)
&nbsp;&nbsp;&nbsp;&darr;
'''Frankfurt''' &rarr; Kassel (193) &rarr; Köln (189)
&nbsp;&nbsp;&nbsp;&darr;
'''Hamburg''' &rarr; Berlin (289) &rarr; Bremen (119) &rarr; Hannover (150)
&nbsp;&nbsp;&nbsp;&darr;
'''Hannover''' &rarr; Berlin (290) &rarr; Bremen (122) &rarr; Dortmund (210) &rarr; Hamburg (150) &rarr; Kassel (167)
&nbsp;&nbsp;&nbsp;&darr;
'''Kassel''' &rarr; Dortmund (160) &rarr; Frankfurt (193) &rarr; Hannover (167)
&nbsp;&nbsp;&nbsp;&darr;
'''Koeln''' &rarr; Dortmund (93) &rarr; Frankfurt (189)
</code>


==Traversierungen von Graphen==
==Traversierungen von Graphen==
Zeile 74: Zeile 116:
Der Tiefendurchlauf durch einen Graphen wird am einfachsten '''rekursiv''' programmiert.  
Der Tiefendurchlauf durch einen Graphen wird am einfachsten '''rekursiv''' programmiert.  


<code>
Voraussetzung: kein Knoten ist markiert!
   public List tiefendurchlauf(Graph pGraph, GraphNode pNode){
 
     List knoten = new List();
<code>
     knoten.append(pNode);
   public List<Vertex> tiefendurchlauf(Graph pGraph, Vertex pNode){
     pNode.mark();
     List<Vertex> ergebnis = new List<>();
     //Alle Nachbarn des Startknoten holen
     List nachbarnListe = pGraph.getNeighbours(pNode);
    '''//Abbruchbedingung'''
     //Nachbarn mit while-Schleife durchlaufen
    if(pNode.isMarked()){
     nachbarnListe.toFirst();
      return ergebnis;
    while(nachbarnListe.hasAccess()){
     }
       GraphNode aktuellerNachbar = (GraphNode)h.getObject();
 
       //Wenn der aktuelle Nachbar nicht markiert ist, also noch nicht besucht wurde,
    // pNode an die ergebnis-Liste anhaengen und markieren
      //zur Liste hinzufuegen und auch seine Nachbarn durch den rekursiven Aufruf besuchen.
    ergebnis.append(pNode);
       if( !aktuellerNachbar.isMarked() ){
     pNode.setMark(true);
        //Rekursiver Aufruf
        List weitereKnotenListe = <b>tiefendurchlauf</b>(pGraph, aktuellerNachbar);
     //Alle Nachbarn von pNode
        knoten.concat(weitereKnotenListe);
     List<Vertex> nachbarn = pGraph.getNeighbours(pNode);
      }
      nachbarnListe.next();
     //Nachbarn mit for-Schleife durchlaufen
     '''for(nachbarn.toFirst(); nachbarn.hasAccess(); nachbarn.next()){'''
       Vertex aktuellerNachbar = nachbarn.getContent();
       '''//Rekursiver Aufruf'''
       List<Vertex> erg2 = <b><u>tiefendurchlauf(pGraph, aktuellerNachbar)</u></b>;
      ergebnis.concat(erg2);
     }
     }
     return knoten;
     return ergebnis;
   }
   }
</code>
</code>


=== Breitendurchlauf===
=== Breitendurchlauf===
Zeile 145: Zeile 192:
So wächst die <code>knotenListe</code> von einem Element (=dem Startknoten) beginnend immer weiter an, während sie durchlaufen wird. Die [[Schleife (Informatik)|Schleife]] kommt zum Ende, wenn alle Knoten eingefügt und als ''besucht'' gekennzeichnet sind.
So wächst die <code>knotenListe</code> von einem Element (=dem Startknoten) beginnend immer weiter an, während sie durchlaufen wird. Die [[Schleife (Informatik)|Schleife]] kommt zum Ende, wenn alle Knoten eingefügt und als ''besucht'' gekennzeichnet sind.


<code>  
<code>  
  public List breitenDurchlauf(Graph pGraph, GraphNode startKnoten){
    public List<Vertex> breitenDurchlauf(Graph pGraph, Vertex pStart){
      List knotenListe = new List();
        List<Vertex> ergebnis = new List<Vertex>();
      startKnoten.mark();
        // alle Markierungen loeschen
      knotenListe.append(startKnoten);
        pGraph.setAllVertexMarks(false);
      knotenListe.toFirst();
        pGraph.setAllEdgeMarks(false);
      while(knotenListe.hasAccess()){
        // den Startknoten markieren und in ergebnis einfuegen
        GraphNode aktuell = (GraphNode) knotenListe.getObject();
        '''pStart.setMark(true);'''
        List nachbarn = pGraph.getNeighbours(aktuell);
        '''ergebnis.append(pStart);'''
        nachbarn.toFirst();
        // ergebnis durchlaufen:
        while(nachbarn.hasAccess()){
        // ergebnis hat zu Anfang nur ein Element...
            GraphNode aktuellerNachbar = (GraphNode)nachbarn.getObject();
        // ... waechst dann aber immer weiter!
            if(!aktuellerNachbar.isMarked()){
        '''for(ergebnis.toFirst(); ergebnis.hasAccess(); ergebnis.next()){'''
              aktuellerNachbar.mark();
            Vertex aktuell = ergebnis.getContent();
              knotenListe.append(aktuellerNachbar);
            List<Vertex> nachbarn = pGraph.getNeighbours(aktuell);
            }
            // die Nachbarn mit einer Schleife durchlaufen
            nachbarn.next();
            '''for(nachbarn.toFirst(); nachbarn.hasAccess(); nachbarn.next()){'''
        }
                Vertex aktuellerNachbar = nachbarn.getContent();
        knotenListe.next();
                // Wenn der aktuelleNachbar nicht markiert ist,
      }
                // wird er zu ergebnis hinzugefuegt
      return knotenListe;
                '''if(!aktuellerNachbar.isMarked()){'''
  }
                    Edge kante = pGraph.getEdge(aktuell, aktuellerNachbar);
</code>
                    kante.setMark(true);
                    aktuellerNachbar.setMark(true);
                    '''ergebnis.append(aktuellerNachbar);'''
                }
            }  // ende des Durchlaufs durch die Nachbarn.
        } // ende des Durchlaufs durch ergebnis
        return ergebnis;  
    }
</code>


== Backtracking auf Graphen ==
== Backtracking: kürzeste Wege auf Graphen ==
siehe [[Backtracking]]
siehe [[Backtracking]]


== Kürzeste Wege in Graphen: Der Dijkstra-Algorithmus ==
== Dijkstra-Algorithmus: kürzeste Wege auf Graphen ==
Mit Hilfe des Dijkstra-Algorithmus kann man für einen Startknoten die kürzesten Wege zu allen anderen Knoten des Graphen bestimmen.
siehe [[Dijkstra-Algorithmus]]
 
=== Idee des Dijkstra-Algorithmus===
'''Notwendige Datenstrukturen'''
* Für jeden Knoten wird der Vorgänger und ein Wert <code>distanz</code> gespeichert; <code>distanz</code> gibt die bisher beste gefundene Distanz zum Startknoten an.
* '''gelbe Liste''': In dieser Liste werden Knoten gespeichert, für die schon ein Distanzwert vorliegt, deren Distanz zum Startknoten aber noch nicht abschließend festgelegt werden konnte. Die Knoten erscheinen in der gelben Liste gemäß ihrem Distanzwert, und zwar in aufsteigender Reihenfolge.
* '''rote Liste''': Man braucht eine Liste, in der alle Knoten gespeichert werden, deren Distanz zum Startknoten abschließend festgestellt wurde.
 
 
'''Algorithmus'''
# Die Distanz des Startknoten wird auf 0 gesetzt; der von allen anderen Knoten auf unendlich. 
# Der Startknoten wird in die rote Liste eingefügt.
# Alle Nachbarknoten des Startknotens werden in die gelbe Liste eingefügt, und zwar gemäß ihrer Distanz zum Startknoten.
# Die folgenden Schritte laufen jetzt so lange, bis die gelbe Liste leer ist:
## den ersten Knoten aus der gelben Liste (im folgenden <code>ersterGelber</code>) entnehmen und in die rote Liste einfügen. Denn die Distanz dieses Knotens ist endgültig geklärt.
## für alle Nachbarknoten von <code>ersterGelber</code> überprüft man:
### wenn sie noch nicht in der gelben Liste sind: Distanz berechnen (=Distanz von <code>ersterGelber</code> plus Kantenlänge von <code>ersterGelber</code>) und dann in die gelbe Liste hinzufügen (=gemäß der Distanz einfügen)
### wenn sie schon in der gelben Liste sind: Überprüfen, ob die Distanz von <code>ersterGelber</code> plus Kantenlänge '''kleiner''' ist als die bisher gespeicherte Distanz: Dann hat man eine bessere Route gefunden! Die Distanz des Nachbarknoten wird dann entsprechend verbessert, wodurch sich seine Position in der gelben Liste verbessert.
 
 
'''Kürzester Weg für einen beliebigen Knoten'''
Die Distanz kann man direkt aus dem Knoten auslesen.
 
Den kürzesten Weg von einem beliebigen Knoten zum Startknoten kann man jetzt angeben, indem man sich von dem Knoten aus immer zum nächsten Vorgänger hangelt, bis mn schließlich beim Startknoten angekommen ist.
 
=== Beispiel ===
Für den Startknoten Frankfurt sind die ersten Schritte des Dijkstra-Algorithmus die folgenden. Dabei wird in Klammern immer die aktuelle Distanz angegeben und der Vorgängerknoten (als Nummernschild) angegeben.
* Frankfurt (0, --), alle anderen Knoten (unendlich)
* Schritt 1: Frankfurt
** rote Liste: Frankfurt (0, --)
** gelbe Liste: Koeln (189, F), Kassel (193, F)
* Schritt 2: Koeln
** rote Liste: Frankfurt (0, --), Koeln (189, F)
** gelbe Liste: Kassel (193, F), Dortmund (189+93=282, K)
* Schritt 3: Kassel
** rote Liste: Frankfurt (0, --), Koeln (189, F), Kassel (193, F)
** gelbe Liste: Dortmund (282, K), Hannover(193+167=360, KS)
* Schritt 4: Dortmund
** rote Liste: Frankfurt (0, --), Koeln (189, F), Kassel (193, F), Dortmund (282, K)
** gelbe Liste: Hannover (360, KS), Bremen (282+234=516, DO)
** ''Hannover ist auch von Dortmund aus erreichbar, aber die bisherige Distanz über Kassel ist geringer!''
* Schritt 5: Hannover
** rote Liste: Frankfurt (0, --), Koeln (189, F), Kassel (193, F), Dortmund (282, K), Hannover (360, KS)
** gelbe Liste: '''Hamburg (510, H)''', Bremen ('''360+122=482, H'''), Berlin (360+290=650, H)
** ''Hamburg kam neu dazu und setzt sich an die Spitze der gelben Liste.''
** ''Bremen ist über Hannover schneller erreichbar als bisher über Dortmund, deswegen wurde Bremen geupdated.''
 
//TODO
Die weiteren Schritte darstellen.
 
 
=== Implementierung ===
Diese Implementierung umfasst zwei Klassen:
* <code>DijkstraAlgorithmus</code>
* <code>DijkstraNode</code>
Die Klasse <code>DijkstraAlgorithmus</code> enthält eine (lange...) Methode <code>initMap</code>, damit man das Ganze auch testen kann.
 
 
<b>Klasse <code>DijkstraAlgorithmus</code>:</b>
 
<code>
import listen.List;
import listen.ListWithViewer;
public class DijkstraAlgorithmus {
  GraphWithViewer map;
  ListWithViewer gelbeListe;
 
 
  public void initMap(){
      map = new GraphWithViewer();
      DijkstraGraphNode kiel = new DijkstraGraphNode("Kiel");
      map.addNode(kiel);
      DijkstraGraphNode luebeck = new DijkstraGraphNode("Luebeck");
      map.addNode(luebeck);
      DijkstraGraphNode hamburg = new DijkstraGraphNode("Hamburg");
      map.addNode(hamburg);
      DijkstraGraphNode berlin = new DijkstraGraphNode("Berlin");
      map.addNode(berlin);
      DijkstraGraphNode bremen = new DijkstraGraphNode("Bremen");
      map.addNode(bremen);
      DijkstraGraphNode hannover = new DijkstraGraphNode("Hannover");
      map.addNode(hannover);
      DijkstraGraphNode dortmund = new DijkstraGraphNode("Dortmund");
      map.addNode(dortmund);
      DijkstraGraphNode bochum = new DijkstraGraphNode("Bochum");
      map.addNode(bochum);
      DijkstraGraphNode koeln = new DijkstraGraphNode("Koeln");
      map.addNode(koeln);
      DijkstraGraphNode bonn = new DijkstraGraphNode("Bonn");
      map.addNode(bonn);
      DijkstraGraphNode mainz = new DijkstraGraphNode("Mainz");
      map.addNode(mainz);
      DijkstraGraphNode frankfurt = new DijkstraGraphNode("Frankfurt");
      map.addNode(frankfurt);
      DijkstraGraphNode kassel = new DijkstraGraphNode("Kassel");
      map.addNode(kassel);
      DijkstraGraphNode wuerzburg = new DijkstraGraphNode("Wuerzburg");
      map.addNode(wuerzburg);
      DijkstraGraphNode leipzig = new DijkstraGraphNode("Leipzig");
      map.addNode(leipzig);
      DijkstraGraphNode nuernberg = new DijkstraGraphNode("Nuernberg");
      map.addNode(nuernberg);
      DijkstraGraphNode stuttgart = new DijkstraGraphNode("Stuttgart");
      map.addNode(stuttgart);
      DijkstraGraphNode muenchen = new DijkstraGraphNode("Muenchen");
      map.addNode(muenchen);
      DijkstraGraphNode karlsruhe = new DijkstraGraphNode("Karlsruhe");
      map.addNode(karlsruhe);
      map.addEdge(kiel, hamburg, 97);
      map.addEdge(kiel, luebeck, 84);
      map.addEdge(luebeck, hamburg, 74);
      map.addEdge(luebeck, berlin, 284);
      map.addEdge(berlin, hamburg, 289);
      map.addEdge(hamburg, bremen, 119);
      map.addEdge(bremen, hannover, 122);
      map.addEdge(hannover, hamburg, 150);
      map.addEdge(berlin, hannover, 290);
      map.addEdge(berlin, leipzig, 188);
      map.addEdge(hannover, kassel, 167);
      map.addEdge(leipzig, kassel, 250);
      map.addEdge(kassel, dortmund, 160);
      map.addEdge(dortmund, bremen, 234);
      map.addEdge(dortmund, hannover, 210);
      map.addEdge(dortmund, bochum, 22);
      map.addEdge(dortmund, koeln, 93);
      map.addEdge(koeln, bochum, 82);
      map.addEdge(koeln, bonn, 29);
      map.addEdge(bonn, mainz, 169);
      map.addEdge(frankfurt, mainz, 45);
      map.addEdge(frankfurt, kassel, 193);
      map.addEdge(leipzig, nuernberg, 278);
      map.addEdge(kassel, wuerzburg, 209);
      map.addEdge(wuerzburg, nuernberg, 110);
      map.addEdge(wuerzburg, frankfurt, 119);
      map.addEdge(nuernberg, muenchen, 166);
      map.addEdge(muenchen, stuttgart, 223);
      map.addEdge(nuernberg, stuttgart, 208);
      map.addEdge(stuttgart, karlsruhe, 82);
      map.addEdge(karlsruhe, frankfurt, 147);
      map.addEdge(frankfurt, koeln, 189);
      map.switchToISOMLayout();
  }
 
  <b>public void dijkstraAlgorithmus</b>(String startpunkt) {
      gelbeListe = new ListWithViewer();
      DijkstraGraphNode startNode = (DijkstraGraphNode) map.getNode(startpunkt);
      startNode.setDistanz(0);
      gelbeListe.append(startNode);
      while(gelbeListe.isEmpty() == false){
        gelbeListe.toFirst();
        DijkstraGraphNode node = (DijkstraGraphNode) gelbeListe.getObject();
        //System.out.println("node: "+node);
        gelbeListe.remove();
        node.mark();
        node.ausgeben();
        List neighbours = map.getNeighbours(node);
        neighbours.toFirst();
        while(neighbours.hasAccess()){
            DijkstraGraphNode currentNeighbour = (DijkstraGraphNode) neighbours.getObject();
            //System.out.println("currentNeighbour: "+currentNeighbour);
            double streckeNodeCurrentNeighbour = map.getEdgeWeight(node, currentNeighbour);
            if(currentNeighbour.getDistanz() > node.getDistanz()+streckeNodeCurrentNeighbour){
              // ueber node fuehrt eine kuerzere Strecke zu currentNeighbour!
              currentNeighbour.setVorgaenger(node);
              currentNeighbour.setDistanz(node.getDistanz()+streckeNodeCurrentNeighbour);
              // currentNeighbour in gelbeListe einfuegen bzw. ersetzen
              inGelbeListeUpdaten(currentNeighbour);
            }
            neighbours.next();
        }
      }
  }
  /**
    * sorgt dafuer, dass node gemaess seiner Distanz
    * die richtige Position in der gelbeListe bekommt.
    * wenn node noch gar nicht in gelbeListe enthalten ist,
    * dann wird node an der richtigen Stelle eingefuegt.
    */
  <b>private void inGelbeListeUpdaten</b>(DijkstraGraphNode node) {
      boolean inserted = false;
      gelbeListe.toFirst();
      while(gelbeListe.hasAccess()){
        DijkstraGraphNode aktuell = (DijkstraGraphNode) gelbeListe.getObject();
        if(aktuell.getDistanz() >= node.getDistanz()){
            gelbeListe.insert(node);
            inserted = true;
            break;
        }
        gelbeListe.next();
      }
      if(inserted){
        // ggf. taucht currentNeighbour nochmal in der Liste auf!
        // dann muss er entfernt werden!
        while(gelbeListe.hasAccess()){
            DijkstraGraphNode aktuell = (DijkstraGraphNode) gelbeListe.getObject();
            if(aktuell.getName().equals(node.getName())){
              gelbeListe.remove();
              break;
            }
            gelbeListe.next();
        }
      }
      else{
        // der Knoten wurde noch nicht eingefuegt!
        gelbeListe.append(node);
      }
     
  }
 
  public static void main(String[] args) {
      DijkstraAlgorithmus da = new DijkstraAlgorithmus();
      da.initMap();
      da.dijkstraAlgorithmus("Muenchen");
  }
}
</code>
 
 
 
<b>Klasse <code>DijktstraGraphNode</code>:</b>
 
<code>
import listen.List;
public class DijkstraGraphNode extends GraphNode implements Comparable {
 
  // es werden der Vorgaenger und die (bisher beste) Distanz zum Startknoten gespeichert.
  private DijkstraGraphNode vorgaenger;
  private double distanz;
 
  public DijkstraGraphNode(String name) {
      super(name);
      distanz = 1000000;
  }
 
  public void setDistanz(double distanz){
      this.distanz = distanz;
  }
 
  public double getDistanz(){
      return distanz;
  }
 
  public void setVorgaenger(DijkstraGraphNode pNode){
      this.vorgaenger = pNode;
  }
 
  private DijkstraGraphNode getVorgaenger() {
      return vorgaenger;
  }
  public void ausgeben(){
      DijkstraGraphNode aktuell = this;
      while(aktuell != null){
        System.out.print(aktuell+"<-");
        aktuell = aktuell.getVorgaenger();
      }
      System.out.println();
  }
 
  public String toString(){
      String ergebnis = this.getName()+": "+this.distanz;
      return ergebnis;
  }
  /**
    * vergleicht zwei DijkstraGraphNodes gemaess ihrer Distanz.
    * diese Methode sorgt fuer die Implementierung der Schnittstelle Comparable;
    * damit koennen dann z.B. Vectoren mit Inhalt DijkstraGraphNode einfach sortiert werden.
    */
  public int compareTo(Object arg0) {
      DijkstraGraphNode dgn2 = (DijkstraGraphNode) arg0;
      if(this.distanz < dgn2.distanz){
        return -1;
      }
      if(this.distanz > dgn2.distanz){
        return 1;
      }
      return 0;
  }
}
 
</code>


== Anwendungsbeispiele zu Graphen ==
== Anwendungsbeispiele zu Graphen ==
===Erreichbare Knoten ===
Diese Methode ist am einfachsten rekursiv zu realisieren.
Dabei verfolgt man diese Strategie:
* der aktuell untersuchte Knoten (=der mit Namen <code>pName</code> wird in die Liste <code>ergebnis</code> eingefügt
* der aktuell untersuchte Knoten wird als besucht markiert.
* dann werden die Nachbarn des aktuell untersuchten Knoten durchlaufen.
** Für jeden Nachbarn wird überprüft, ob er schon markiert wurde.
*** wenn ja, passiert nichts.
*** wenn nein, dann wird die Methode rekursiv aufgerufen und das Ergebnis des rekursiven Aufrufs an die Liste <code>ergebnis</code> angehängt.
<code>
    public List erreichbareNodes(GraphWithViewer pGraph, String pName){
        List ergebnis = new List();
        GraphNode lNode = pGraph.getNode(pName);
        ergebnis.append(pName);
        lNode.mark();
        List nachbarn = pGraph.getNeighbours(lNode);
        for(nachbarn.toFirst(); nachbarn.hasAccess(); nachbarn.next()){
            GraphNode aktuellerNachbar = (GraphNode) nachbarn.getObject();
            if(!aktuellerNachbar.isMarked()){
                List erreichbarVomNachbarn = erreichbareNodes(pGraph, aktuellerNachbar.getName());
                ergebnis.concat(erreichbarVomNachbarn);
            }
        }
        return ergebnis;
    }
</code>


===Minimaler Spannbaum===
===Minimaler Spannbaum===
siehe [[Minimaler Spannbaum]]
siehe [[Minimaler Spannbaum]]

Aktuelle Version vom 23. Januar 2022, 16:58 Uhr


Graph für die Distanzen zwischen Städten

nur relevant für den Leistungskurs!

Ein Graph ist in der Graphentheorie eine Struktur, die eine Menge von Objekten zusammen mit den zwischen diesen Objekten bestehenden Verbindungen repräsentiert. Die mathematischen Abstraktionen der Objekte werden dabei Knoten des Graphen genannt. Die paarweisen Verbindungen zwischen Knoten heißen Kanten.

Ein Graph kann entweder als Graph, als Adjazenzliste oder als Adjazenzmatrix dargestellt werden.

Erklärvideos

Fachbegriffe

Graph, Knoten, markieren, Kante, Gewicht, Traversierung, Breitendurchlauf, Tiefendurchlauf

Schnittstellenbeschreibung

Graph Schnittstellenbeschreibung (ab Abi 2018)

Adjazenzmatrix

Knoten und Kanten eines Graphen können in Form einer Matrix dargestellt werden. Die Matrix ist dabei spiegelsymmetrisch.

Der oben dargestellte Graph hat folgende Adjazenzmatrix:

Berlin Bremen Dortmund Frankfurt Hamburg Hannover Kassel Koeln
Berlin 289 290
Bremen 234 119 122
Dortmund 234 210 160 93
Frankfurt 193 189
Hamburg 289 119 150
Hannover 290 122 210 150 167
Kassel 160 193 167
Koeln 93 189

TODO: Algorithmus zum Erzeugen eines Graphen aus einem 2D-Array (Adjazenzmatrix)

Adjazenzliste

Man kann die Informationen eines Graphen auch als Adjazenzliste darstellen. Das bietet sich z.B. an, wenn es in einem Graphen nur wenige Kanten gibt; dann ist die komplette Adjazenzmatrix Platzverschwendung.

In der Adjazenzliste werden links von oben nach unten alle Knoten aufgeführt, z.B. in alphabetischer Reihenfolge; die Reihenfolge ist aber frei wählbar.

Nach rechts werden alle Nachbarknoten des linken Knoten mit den zugehörigen Entfernungen eingetragen. Auch hier ist die Reihenfolge frei wählbar.

Der oben dargestelle Graph hat folgende Adjazenzliste:


Berlin → Hamburg (289) → Hannover (290)
   ↓
Bremen  → Dortmund (234) → Hamburg (119) → Hannover (122)
   ↓
Dortmund → Bremen (234) → Hannover (210) → Kassel (190) → Köln (93)
   ↓
Frankfurt → Kassel (193) → Köln (189)
   ↓
Hamburg → Berlin (289) → Bremen (119) → Hannover (150)
   ↓
Hannover → Berlin (290) → Bremen (122) → Dortmund (210) → Hamburg (150) → Kassel (167)
   ↓
Kassel → Dortmund (160) → Frankfurt (193) → Hannover (167)
   ↓
Koeln → Dortmund (93) → Frankfurt (189)

Traversierungen von Graphen

Wie bei Bäumen gibt es auch bei Graphen viele Anwendungen, in denen ein Graph knotenweise durchlaufen werden muss. Die Traversierungsverfahren ähneln denen bei Bäumen, berücksichtigen allerdings noch die speziellen Gegebenheiten von Graphen, nämlich:

  • Graphenknoten können mehr als zwei Nachbarn haben
  • Graphen können Querverbindungen und "Kreise" enthalten

Tiefendurchlauf

Erläuterung

Beim Tiefendurchlauf (engl. Depth First Search - DFS) durch einen Baum nimmt man ausgehend von einem Startknoten den ersten Nachbarknoten. Von diesem nimmt man wieder den ersten Nachbarknoten usw. Wenn man dann in eine Sackgasse gerät, geht man eine Stufe zurück und nimmt den nächsten Nachbarknoten. Natürlich werden Knoten, die man schon besucht hat, nicht noch einmal berücksichtigt.

Der Tiefendurchlauf entspricht der Preorder-Traversierung eines Baumes.

Beispiel:

Es gibt für jeden Startknoten mehrere mögliche Tiefendurchläufe, denn man kann sich bei den Nachbarknoten frei entscheiden, welchen man zuerst nimmt. In diesem Beispiel werden die Nachbarknoten immer nach alphabetischer Ordnung genommen.

Tiefendurchlauf für den Startknoten Frankfurt:

Zu Anfang kann man immer direkt weitergehen:

Frankfurt -> Kassel -> Dortmund -> Bremen -> Hamburg -> Berlin -> Hannover

Von Hannover aus ist kein freier Knoten mehr erreichbar. Deswegen muss man jetzt in der Liste zurckgehen, bis man zu einem Knoten kommt, der noch einen freien Nachbarknoten hat. Das ist in diesem Fall Dortmund (der freie Nachbarknoten ist Koeln). Das heißt, Koeln wird als nächstes angehängt, und man würde von Köln aus weitersuchen (wenn es noch freie Knoten gäbe...)

Ergebnis:

Frankfurt -> Kassel -> Dortmund -> Bremen -> Hamburg -> Berlin -> Hannover -> Koeln

Implementierung

Der Tiefendurchlauf durch einen Graphen wird am einfachsten rekursiv programmiert.

Voraussetzung: kein Knoten ist markiert!


 public List<Vertex> tiefendurchlauf(Graph pGraph, Vertex pNode){
   List<Vertex> ergebnis = new List<>();

   //Abbruchbedingung
   if(pNode.isMarked()){
      return ergebnis;
   }
 
   // pNode an die ergebnis-Liste anhaengen und markieren
   ergebnis.append(pNode);
   pNode.setMark(true);

   //Alle Nachbarn von pNode
   List<Vertex> nachbarn = pGraph.getNeighbours(pNode);

   //Nachbarn mit for-Schleife durchlaufen
   for(nachbarn.toFirst(); nachbarn.hasAccess(); nachbarn.next()){
     Vertex aktuellerNachbar = nachbarn.getContent();
     //Rekursiver Aufruf
     List<Vertex> erg2 = tiefendurchlauf(pGraph, aktuellerNachbar);
     ergebnis.concat(erg2);
   }
   return ergebnis;
 }

Breitendurchlauf

Der Breitendurchlauf (engl. breadth first search - BFS) ist eine Methode, um alle Knoten eines Graphen aufzuzählen.

Erläuterung

Mit dem Breitendurchlauf werden die Knoten in folgender Reihenfolge aufgezählt:

  1. zuerst der Startknoten,
  2. dann die Nachbarknoten des Startknotens, d.h. alle Knoten, die vom Startknoten aus über eine Kante erreichbar sind.
  3. dann die Knoten, die vom Startknoten aus mit zwei Kanten erreichbar sind.
  4. usw.

Knoten, die schon einmal aufgezählt wurden, werden natürlich nicht wieder aufgezählt.

Im Binärbaum ist der Breitendurchlauf genau Levelorder.


Beispiel

Beim Breitendurchlauf gibt es für jeden Startknoten mehrere Möglichkeiten, denn mann kann zwischen den Nachbarknoten wählen. Hier werden die Nachbarknoten immer in alphabetischer Reihenfolge betrachtet.

Breitendurchlauf für den Startknoten Frankfurt

Erst der Startknoten und seine Nachbarknoten:

Frankfurt -> Kassel -> Koeln

Jetzt wird von den Nachbarknoten der erste genommen und dessen Nachbarknoten werden betrachtet:

Frankfurt -> Kassel -> Koeln -> Dortmund -> Hannover

Der nächste Knoten in der Liste, der noch freie Nachbarknoten hat, ist Dortmund:

Frankfurt -> Kassel -> Koeln -> Dortmund -> Hannover -> Bremen

Schließlich die Nachbarknoten von Hannover:

Frankfurt -> Kassel -> Koeln -> Dortmund -> Hannover -> Bremen -> Berlin -> Hamburg

Beim Breitendurchlauf wird also zuerst die "nähere Umgebung" betrachtet.

Implementierung

Die Implementierung setzt darauf auf, dass der Graph linearisiert wird:

Man braucht eine knotenListe; in diese werden nach und nach alle Knoten des Graphen gemäß der Breitendurchlauf-Reihenfolge eingefügt.

  1. zuerst wird der Startknoten als besucht markiert und in knotenListe eingefügt.
  2. Dann wird knotenListe von Anfang bis Ende durchlaufen. Dabei passiert folgendes:
    1. Für jeden Nachbarknoten des aktuellen Knoten wird überprüft, ob er schon besucht wurde. Wenn nein, dann wird er als besucht markiert und in knotenListe eingefügt.

So wächst die knotenListe von einem Element (=dem Startknoten) beginnend immer weiter an, während sie durchlaufen wird. Die Schleife kommt zum Ende, wenn alle Knoten eingefügt und als besucht gekennzeichnet sind.

 
   public List<Vertex> breitenDurchlauf(Graph pGraph, Vertex pStart){
       List<Vertex> ergebnis = new List<Vertex>();
       // alle Markierungen loeschen
       pGraph.setAllVertexMarks(false);
       pGraph.setAllEdgeMarks(false);
       // den Startknoten markieren und in ergebnis einfuegen
       pStart.setMark(true);
       ergebnis.append(pStart);
       // ergebnis durchlaufen:
       // ergebnis hat zu Anfang nur ein Element...
       // ... waechst dann aber immer weiter!
       for(ergebnis.toFirst(); ergebnis.hasAccess(); ergebnis.next()){
           Vertex aktuell = ergebnis.getContent();
           List<Vertex> nachbarn = pGraph.getNeighbours(aktuell);
           // die Nachbarn mit einer Schleife durchlaufen
           for(nachbarn.toFirst(); nachbarn.hasAccess(); nachbarn.next()){
               Vertex aktuellerNachbar = nachbarn.getContent();
               // Wenn der aktuelleNachbar nicht markiert ist,
               // wird er zu ergebnis hinzugefuegt
               if(!aktuellerNachbar.isMarked()){
                   Edge kante = pGraph.getEdge(aktuell, aktuellerNachbar);
                   kante.setMark(true);
                   aktuellerNachbar.setMark(true);
                   ergebnis.append(aktuellerNachbar);
               }
           }  // ende des Durchlaufs durch die Nachbarn.
       } // ende des Durchlaufs durch ergebnis
       return ergebnis;   
   }

Backtracking: kürzeste Wege auf Graphen

siehe Backtracking

Dijkstra-Algorithmus: kürzeste Wege auf Graphen

siehe Dijkstra-Algorithmus

Anwendungsbeispiele zu Graphen

Minimaler Spannbaum

siehe Minimaler Spannbaum