Et eller andet datalogi…

Slides:



Advertisements
Lignende præsentationer
HUNDE SPEED km h 34,4 HUNDE SPEED km h 34,1 HUNDE SPEED km h 32,8 HUNDE SPEED km h 31,9 HUNDE SPEED km h 31,8 HUNDE SPEED km h 30,9.
Advertisements

Funktioner Grundbegreber.
Hjemmesidekonstruktion Tjekspørgsmål 1.Hvad er et markup-sprog – hvad bruges det til? 2.Hvad er forskellen mellem et markup-sprog og et scriptsprog? 3.Hvad.
Algoritmer og Datastrukturer 1 Amortiseret Analyse [CLRS, kapitel 17] Gerth Stølting Brodal.
Indsæt nyt billede: Format: B 254 x 190,5 mm Efter indsættelse, højreklik på billedet og placér det bagerst. Delete det gamle foto Ny Farm N Visning og.
Overskrift her Navn på oplægsholder Navn på KU- enhed For at ændre ”Enhedens navn” og ”Sted og dato”: Klik i menulinjen, vælg ”Indsæt” > ”Sidehoved / Sidefod”.
Perspektivgeometri.
Communication & Design ODEUM e-Plan Landinspektør Martin Høgh Urban Planning and Transport.
Oplæg og øvelser, herunder frugt og vand
Algoritmer og Datastrukturer 2 Dynamisk Programmering [CLRS 15] Gerth Stølting Brodal.
1 Går fra at vil maksimere dækning til at minimere omkostning Det kender vi fra den anden bog Omkostningen er afstanden gange antal enheder der skal transporteres.
SEO PÅ AU.
Statistik.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Kandidatorientering, 2. november 2012 Algoritmer og Datastrukturer Gerth Stølting Brodal Institut for Datalogi Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
Representations for Path Finding in Planar Environments.
22.maj 12 Globaliseringsredegørelsen Globaliseringsredegørelsen 2012 Grafer og figurer fra temakapitlet: Gældskrisen fører til langvarig lavvækst.
Algoritmer (v. lektor Gerth S. Brodal) Hør om metoder til at beregne gode GPS kørevejledninger og tog- og flyforbindelser, og hvad problemstillingerne.
Perspektiverende Datalogi Klassiske Algoritmer
Kompetence i … Vemmelev den 13. januar
Yachtskipper /2010 Terrestrisk navigation: Stedlinier
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal.
Trivselsundersøgelse og ledelsesevaluering Anæstesiologisk Afdeling Flere ledere
1 Algoritme til at løse knude P-center problemet Algoritmen brugte set covering problemet Virker derfor kun til knude problemer Vi vil alligevel bruge.
ETU 2008 | Elevtilfredshedsundersøgelse Erhvervsskolen Nordsjælland HTX (Teknisk Gymnasium) - Hillerød Baseret på 313 besvarelser.
Opgave 2 24 Opgave 23 Opgave 22 Opgave 21 Opgave 20 Opgave 19 Opgave 18 Opgave 17 Opgave 16 Opgave 15 Opgave 14 Opgave 13 Opgave 12 Opgave Opgave.
ELEVOPGAVER I HYGIEJNE
Grafer og Algoritmer Rasmus D. Lehrmann DM
Globaliseringsredegørelsen 24.mar. 14 Figurer fra Danmark tiltrækker for få udenlandske investeringer i Sådan ligger landet
Matematik B 1.
1 Vi ser nu på en general graf Men antager at alle afstande er heltallige (Det er ikke så restriktivt) Algoritmen leder efter den mindst mulige dækningsdistance.
Grunde til at jeg elsker dig
Fundamentale datastrukturer
Anatomi & Fysiologi VII Nervesystemet
1 Algoritmisk geometri. 2 Intervalsøgning 3 Motivation for intervaltræer Lad der være givet en database over ansatte i en virksomhed Alder Løn Ansættelsesdato.
1 Design, analyse og verifikation. 2 Design Bevisteknikker Design ved hjælp at matematisk induktion Analyse O-notation Logaritmer Binær søgning Verifikation.
Algoritmer og Datastrukturer 2 Maksimale Strømninger [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet Ford-Fulkerson.
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal.
10.mar. 15 Udvikling i løn, priser og konkurrenceevne Dansk Industri.
1 Fundamentale datastrukturer. 2 Definitioner: abstrakt datatype, datastruktur Elementære datastrukturer og abstrakte datatyper : arrays, stakke, køer,
Algoritmer og Datastrukturer 1 Dynamisk Rang & Interval Træer [CLRS, kapitel 14] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Korteste Veje [CLRS, kapitel 24, ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Algoritmer og Datastrukturer 1 Binære Søgetræer [CLRS, kapitel 12] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2
Algoritmer og Datastrukturer 2 Topologisk Sortering, Stærke Sammenhængskomponenter [CLRS, kapitel ] Gerth Stølting Brodal.
1 Center problems Placer et givet antal nye faciliteter Alt efterspørgsel skal dækkes Dækningsdistancen skal minimeres.
Algoritmer Gerth Stølting Brodal Institut for Datalogi Aarhus Universitet MasterClass i Matematik, 10. april 2014, Aarhus Universitet.
Et eller andet datalogi… Gerth Stølting Brodal Institut for Datalogi Aarhus Universitet Voronoi Diagrammer Datalogi, Studiestart 2013.
Globaliseringsredegørelse 21.mar. 11 Globaliseringsredegørelsen 2011 Grafer fra temakapitlet Eksporten som drivkraft for vækst og velstand.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Korteste Veje [CLRS, kapitel 24]
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal.
VTU 2008 | Virksomhedstilfredshedsundersøgelse Aalborg Tekniske Skole Svarprocent: 27% (414 besvarelser ud af mulige)
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Clicker Test a)Ja b)Nej c)Ved ikke. Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 1 Dynamisk Rang & Interval Træer [CLRS, kapitel 14] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Topologisk Sortering, Stærke Sammenhængskomponenter [CLRS, kapitel ] Gerth Stølting Brodal.
Algoritmer og Datastrukturer 2 Graf repræsentationer, BFS og DFS [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Topologisk Sortering, Stærke Sammenhængskomponenter [CLRS, kapitel ] Gerth Stølting Brodal Aarhus Universitet.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal Minimum Udspændende Træer (MST) [CLRS, kapitel 23]
Algoritmer og Datastrukturer 2
Præsentationens transcript:

Et eller andet datalogi… Voronoi Diagrammer Gerth Stølting Brodal / Kasper Green Larsen Institut for Datalogi Aarhus Universitet Tak til tutorerne for at invitere mig til at holde foredraget Datalogi, Studiestart 2014

Kasper Gerth Ph.d. Datalogi, Aarhus Universitet (2005-2013) Ansat ved Institut for Datalogi (2014-) Forskning og undervisning: Algoritmik GymnasiumViborg PhD AU AU 01 04 05 08 11 13 14 Gerth Ph.d. Datalogi, Aarhus Universitet (1989-1997) Ansat ved Institut for Datalogi (1998-) Forskning og undervisning: Algoritmik Instruktor, Studenterprogrammør (Kasper) Gymnasium Aabenraa AU PhD PostDoc AU 83 85 88 89 93 95 96 97 98

Algoritmik på Datalogi dPersp dIntProg Calculus 1 ComputerArkitektur dProg2 Calculus 2 dADS1 dWebTec dIntDesign dADS2 dProgSprog dRegAut 2. år dDB dBerLog Pervasive Int. Mat. Modellering SoftwareArkitektur dConc Mat. Modellering 1 Videnskabsteori dDistSys dSik 3. år dOvs Optimering dEkspSys Kombinatorisk Søgning 4. år Computational Geometry Topics in Discrete Geometry Alg. Engineering Strengalgoritmer Randomiserede Alg. 5. år Avancerede Datastrukturer I/O Algoritmer Machine Learning Speciale Andre algoritmikkurser Algoritmer i bioinformatik Dynamiske algoritmer Spilteori Kompleksitetsteori … Denne forelæsning Ph.d.

Punkter og Linier Undgå kvadratrødder irrational p1 Dist( 𝑝 1 , 𝑝 2 )= 𝑥 1 − 𝑥 2 2 + 𝑦 1 − 𝑦 2 2 Dist( 𝑝 3 , 𝑝 1 )<Dist( 𝑝 3 , 𝑝 2 ) ? ⇕ 2^32 = 4294967296 Kunne regne med ”algebraiske tal” på eksakte koefficienter, hvis man vil forsøge at håndtere \sqrt Dist(p1,p2)=8.60232526704, Sqrt(72) = Dist(p3,p1) < Dist(p3,p2) = sqrt(65) p2 overløb ≤ 2 42949672952 𝑥 3 − 𝑥 1 2 + 𝑦 3 − 𝑦 1 2 < 𝑥 3 − 𝑥 2 2 + 𝑦 3 − 𝑦 2 2 Undgå kvadratrødder Vurder størrelsen af mellemresultater koordinater = heltal 0..4294967295

Punkter og Linier p3 tættest på p2 q2 = q1 + p1 -p2 = (a2,b2) p3 tættest på p2 ⇕ P3 p3 til venstre for linien gennem q1 og q2 p1 ⇕ (a1-x3)(b2-y3) - (b1-y3)(a2-x3) > 0 q1 = (p1 +p2)/2 = (a1,b1) Ikke heltal “midtnormal” 2^32 = 4294967296 Kunne regne med ”algebraiske tal” på eksakte koefficienter, hvis man vil forsøge at håndtere \sqrt Dist(p1,p2)=8.60232526704, Sqrt(72) = Dist(p3,p1) < Dist(p3,p2) = sqrt(65) Gang alle koordinater med 2 for at ungå 1/2 p2 koordinater = heltal 0..4294967295

Punkter og Linier Linieskæringer har rationale koordinater Regn med brøkker Ikke heltal (x,y) p4 p2 (x1y2 - y1x2)(x3 - x4) - (x1 - x2)(x3y4 - y3x4) x = 2^32 = 4294967296 Kunne regne med ”algebraiske tal” på eksakte koefficienter, hvis man vil forsøge at håndtere \sqrt Dist(p1,p2)=8.60232526704, Sqrt(72) = Dist(p3,p1) < Dist(p3,p2) = sqrt(65) (x1 - x2)(y3 - y4) - (y1 - y2)(x3 - x4) (x1y2 - y1x2)(y3 - y4) - (y1 - y2)(x3y4 - y3x4) y = (x1 - x2)(y3 - y4) - (y1 - y2)(x3 - x4) koordinater = heltal 0..4294967295

Voronoi Celle l3 l5 l1 l4 l2 p4 p5 p3 p6 p2 p1 Voronoi Celle = Konveks polygon p2 p1

Voronoi Diagram Konvekse hylster Voronoi diagram anvendelse : Hvilken radiomast er tættest på ? Voronoi diagram : potentielt n2 kanter (del af bisektorer), men kan vise at der er kun er ≤2n Voronoi knuder  centrum for cirkel med tre randpunkter Største tomme cirkel har centrum i en Voronoi knude ”Uendelige” Voronoi kanter  kanter på det konvekse hylster

Biologisk hypotese: Mønsteret på en giraf er et Voronoi diagram, dvs Biologisk hypotese: Mønsteret på en giraf er et Voronoi diagram, dvs. der findes en mængde punkter

Dirichlet 1850, Voronoi 1908, Boldyrev 1909, … Descartes 1644 Defineret/opfundet mange gange i litteraturen Dirichlet 1850, Voronoi 1908, Boldyrev 1909, …

Web-side der visualiser dynamiske ændringer i Voronoi diagrammet alexbeutel.com/webgl/voronoi.html alexbeutel.com/webgl/voronoi.html

Triangulering af Terrain Data TIN = Triangulated Irregular Network

Hvilken Triangulering ? p2 p5 spidse vinkler p6 p8 p7 p4 P9 p1 p3

Delauney Triangulering Voronoi diagram Delauney triangulering Dual Antager general position = trekanter Flader i Delauney trianguleringen = knuder i Voronoi diagrammet Delauney trianguleringer maximerer mindste vinkel

Inkrementel Konstruktion af Delauney Triangulering / Voronoi Diagram Antag vi har konstrueret Delauney triangulering for 28 punkter, og indsætter punkt nummer 29 Indsættelse af det 29. punkt

Inkrementel Konstruktion af Delauney Triangulering / Voronoi Diagram p Indsæt punkterne i tilfældig rækkefølge: Find trekanten indeholdene næste punkt p Lav kanter til trekantens hjørner ”Flip” kanter i ulovlige trekanter

Euler’s Sætning for Plane Grafer Voronoi diagrammer og Delauney trianguleringer indeholder ≤ 3n segmenter knude kant flade Bevis for Euler: Induktion. Start med en knude; hver yderligere kant tilføjer enten en flade eller en knude. V≥3 => E≤3V-6 : * Hver flade mindst 3 tilstødende (halv)kanter; * 2E=#halv-kanter≥3F F≤2/3*E V+2/3*E-E ≥ 2 V≥2+E/3 E≤3V-6 # knuder + # flader - # kanter = 2 15 + 4 - 17 = 2 (gælder for sammenhængende grafer der kan tegnes uden krydsende kanter)

Inkrementel Konstruktion af Delauney Triangulering / Voronoi Diagram p Forventet ≤ 6 ”flips” per indsættelse ⟹ totalt forventet ≤ 6n ”flips”

Voronoi Diagram af Linier www.cise.ufl.edu/~sitharam/... Diagrammet består af liniestykker og parabolske kurver

2. ordens Voronoi Diagram B AB A

3. ordens Voronoi Diagram ABC C B

Længst Væk Voronoi Diagram Konvekse hylster Konveks hylster => stråler på modsat side Størrelse O(n) A

Manhattan Bar B You are here Bar A Bar C

Afstandsmål Euklidisk afstand = L2 afstand P1 Euklidisk afstand = L2 afstand 𝑝 1 − 𝑝 2 2 = 𝑥 1 − 𝑥 2 2 + 𝑦 1 − 𝑦 2 2 Manhattan afstand = L1 afstand P2 𝑝 1 − 𝑝 2 1 = 𝑥 1 − 𝑥 2 + 𝑦 1 − 𝑦 2 L2 Voronoi Diagram L1 Voronoi Diagram

3D Voronoi Diagram Plads O(n^2)

Voronoi Art

Opsummering Algoritmik – et datalogisk forskningsområde Voronoi diagrammer = eksempel inden for delområdet ”computational geometry” Matematiske begreber og bevisførelser essentielle for at kunne arbejde med algoritmik www.cs.au.dk/~gerth/slides/voronoi14.pdf

Punkt Lokalisering (Trapez Dekomposition og Kort)

Gerth Ph.d. Datalogi, Aarhus Universitet (1989-1997) Ansat ved Institut for Datalogi (1998-) Forskning og undervisning: Algoritmik Gymnasium Aabenraa AU PhD PostDoc AU 83 85 88 89 93 95 96 97 98

Voronoi Diagram Konvekse hylster Voronoi diagram anvendelse : Hvilken radiomast er tættest på ? Voronoi diagram : potentielt n2 kanter (del af bisektorer), men kan vise at der er kun er ≤2n Voronoi knuder  centrum for cirkel med tre randpunkter Største tomme cirkel har centrum i en Voronoi knude ”Uendelige” Voronoi kanter  kanter på det konvekse hylster

Computer Grafik : Voronoi Splinter https://www.youtube.com/watch?v=FIPu9_OGFgc 3:00” www.youtube.com/watch?v=FIPu9_OGFgc