Graphpartitionierung - KIT

Weitere Magazine

Empfehlungen

Info

7 Beispielgraph, Aufteilung in 12 Teile 4253 vertices, no vertexweights, 24578 edges, no edgeweights, cut 439, pw interval [350..358] Henning Meyerhenke, Institut für Theoretische Informatik Algorithmische Methoden für schwere Optimierungsprobleme <strong>Graphpartitionierung</strong> Einführung
8 Definitionen Definition (Partition, Schnitt) Sei G = (V , E) ein ungerichteter Graph. Dann ist Π = (V 1, V 2, . . . , V k ) ⊂ V mit .k i=1 V i = V und V i ∩ V j = ∅ ∀i = j eine k-Partition des Graphen. Henning Meyerhenke, Institut für Theoretische Informatik Algorithmische Methoden für schwere Optimierungsprobleme <strong>Graphpartitionierung</strong> Einführung
Seite 1 und 2: 1 Algorithmische Methoden für schw
Seite 3 und 4: 2 Wiederholung Algorithmus Improve
Seite 5 und 6: 4 Inhalt Graphpartitionierung Einf
Seite 7 und 8: 5 Szenario Sie haben einen Graphen
Seite 9: 6 Beispielgraph Henning Meyerhenke,
Seite 13 und 14: 8 Definitionen Definition (Partitio
Seite 15 und 16: Inhalt Graphpartitionierung Einfüh
Seite 17 und 18: Kernighan-Lin bzw. Fiduccia-Matthey
Seite 19 und 20: Mehrebenen-Verfahren Lokale Methode
Seite 21 und 22: Kernighan-Lin-Heuristik Gewinn-Konz
Seite 23 und 24: Schleife Kernighan-Lin-Verfahren
Seite 25 und 26: Eine erste Analyse: Laufzeit Initia
Seite 27 und 28: Eine erste Analyse: Laufzeit Initia
Seite 29 und 30: Effizienzverbesserung Anpassung des
Seite 31 und 32: Effizienzverbesserung Bucket-Priori
Seite 33 und 34: Diskussion KL/FM KL/FM ist lokale S
Seite 35 und 36: Diskussion KL/FM KL/FM ist lokale S
Seite 37 und 38: Mehrebenen-Verfahren Allgemeiner Ab
Seite 39 und 40: Matching Definition Ein Matching M
Seite 41 und 42: Matchings mit maximalem Gewicht in
Seite 43 und 44: Beispielproblem Eigenschaften des G
Seite 45 und 46: Zwischenfazit Graphpartitionierung

Graphpartitionierung - KIT

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?