PDF-Download - Deutsche Geodätische Kommission
PDF-Download - Deutsche Geodätische Kommission
PDF-Download - Deutsche Geodätische Kommission
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
60 KAPITEL 6. NACHBARSCHAFTSGRAPHEN<br />
• Der Speicheraufwand ist Θ(|G| 2 ).<br />
• Der Speicheraufwand ist unabhängig von der Anzahl der Kanten in G. Daraus folgt sofort, dass Adjazenzmatrizen<br />
bzgl. Speicher ungünstig sind, wenn der Graph vergleichsweise wenige Kanten enthält.<br />
• Der Test auf Adjazenz zweier Ecken benötigt O(1) Zeit und ist optimal. Viele Algorithmen erfordern<br />
jedoch eine Initialisierung der Matrix oder die Berücksichtung aller Einträge der Matrix und benötigen<br />
deshalb Ω(|G| 2 ) Rechenschritte. Durch geeignete Zusatzinformationen lässt sich jedoch in vielen Fällen<br />
Abhilfe schaffen, ohne dabei den Speicherbedarf über Θ(|G| 2 )zuerhöhen. Typische Operationen, wie<br />
das Inspizieren aller zu einer gegebenen Ecke inzidenten Kanten sind für Graphen mit wenigen Kanten<br />
ineffizient, genauso wie das Einfügen einer neuen Ecke in einen Graphen mit vielen Ecken.<br />
Inzidenzliste<br />
Die Inzidenzliste oder auch doppelt verkettete Ecken-Kanten-Liste ist wohl die am meisten verwendete Datenstruktur<br />
für Graphen, da sie Θ(|E(G)| + |K(G)|) Speicherplatz benötigt und viele Operationen, wie z.B.<br />
das Traversieren durch einen Graphen, die Suche in einem Baum und insbesondere das Einfügen (O(1)) und<br />
Entfernen (O(n)) von Knoten und Kanten sehr gut unterstützt.<br />
Die Datenstruktur einer Inzidenzliste enthält einerseits eine doppelt verkettete Liste aller Ecken von G und für<br />
jede Ecke einen Verweis auf eine doppelt verkettete Liste mit allen inzidenten Kanten. Jede Kante wiederum<br />
besitzt noch einen Verweis auf ihre Start- und Endecke. Im Englischen wird diese Datenstruktur auch doubly<br />
connected arc list (DCAL) genannt.<br />
6.2 Typen von Nachbarschaftsgraphen<br />
Eine allgemeine Einführung in das Gebiet der Nachbarschaftsgraphen findet man in (Jaromczyk & Toussaint<br />
1992). Nachbarschaftsgraphen werden auch als Proximity Graphs (Toussaint 1991) bezeichnet. Sie finden überall<br />
dort Anwendung, wo Form und Struktur von Punktmengen von Interesse sind, wie z.B. Computer Vision, Mustererkennung<br />
(Zahn 1971), Algorithmische Morphologie (Kirkpatrick & Radke 1985), Kartographie, Geographie<br />
und Biologie. In Nachbarschaftsgraphen werden ähnliche oder benachbarte Punkte mit einer Kante verbunden.<br />
Die vielfältigen Möglichkeiten der Definition von benachbart führen zu mehreren verwandten Graphen von denen<br />
die bekanntesten hier aufgezählt sind:<br />
• Nächster Nachbar Graph,<br />
• K-Nächster Nachbar Graph,<br />
• Minimaler spannender Baum,<br />
• Geographischer Nachbarschaftsgraph,<br />
• Relativer Nachbarschaftsgraph,<br />
• Gabriel Graph,<br />
• β-Skelette,<br />
• Delaunay-Triangulation,<br />
• Urquhart Graph,<br />
• Einflussbereichsgraph,<br />
Bevor wir auf die einzelnen Nachbarschaftsgraphen näher eingehen, führen wir noch die folgenden Schreibweisen<br />
und Bezeichnungen ein: