AuK/Prioritätswarteschlangen WS13-14

Wiki-Quelltext dieser Seite.

<language>Processing</language>
'''Autoren:''' [mailto:s3makrza@stud.hszg.de Maciej Krzan], [mailto:s3olkrue@stud.hszg.de Oliver Krüger]














=Warteschlange=

Benutzen das "First in, First out" Prinzip. Es kann eine beliebige Menge von Objekten aufnehmen und gibt diese in der Reihenfolge ihres Einfügens wieder zurück

Beispiele für Warteschlangen sind Autos an einer Zapfsäule, Warteschlange im Supermarkt, Patienten im Wartezimmer, Prozesse in einem Computerbetriebssystem.



= Prioritätswarteschlangen =

==Prioritätswarteschlange - Definition und Beispiel==
:Eine Prioritätswarteschlange (auch: Vorrangwarteschlange, Prioritätenliste, Prioritätsschlange) ist eine specielle Art der abstrakte Datenstruktur. Das ist die Erweiterung der Warteschlange. Die Werte bekommen einmalige Schlüssel '''(jede Schlüssel hat nur ein Wert!)''' und sie sind in Reihenfolge mit der bestimmte Ordnung. Am meisten der Prioritätswarteschlangen können wir mit [http://programmingwiki.de/AuK/Priorit%C3%A4tswarteschlangen_WS13-14#Assoziatives_Datenfeld Assoziatives Datenfeld] oder [http://programmingwiki.de/AuK/Priorit%C3%A4tswarteschlangen_WS13-14#Heap Heap] realizieren.

Wir können ganz einfach sagen, dass: '''Prioritätswarteschlange ist die abstrakte Datenstruktur, die die Elemente von Menge S deponieren. Diese Elemente haben bestimmte Werte, welche wir können "Schlüssel" heißen und sie sind bis andere Werte in eine Ordnung zusammenpassen.
:

==Implementierung==

Wann nutzen wir von Prioritätswarteschlange?

-Dijkstra-Algorithmus

-Algorithmus von Prim

-Huffman-Kodierung

-Heapsort



===Beispiel===

Person in Pseudocode
<code id="52acc274d782a">
 Map(String, String) person
  person.insert("Name", "Jens")
  person.insert("Vorname", "Jensen")
  person.insert("Stadt", "Jensfurt")
</code>

==Prioritätswarteschlange - Operationen==
In Prioritätswarteschlange können wir von verschiedene Operationen nutzen. Manchmal (verschidene Quellen) haben andere Namen (z.B. FindMin und Minimum). Operationen sind sehr nützlich in verschiedene Sprachenprogramme, [http://programmingwiki.de/AuK/Priorit%C3%A4tswarteschlangen_WS13-14#Assoziatives_Datenfeld mehr hier]. Sie sind am meistens als API in diese Sprachen implementiert, genauer als Bibliotheken in diese Fall.


===MakePQ()===
* bilden neu leer Schlange
* Es gibt keine Wurzel und Blätter.


=== Insert(H,x) ===
* hinzufügen bis Schlange H ein neu Element x
* Wenn in Schlange schon andere Element sind, dass diese neu immer Blatt ist
* Wenn Schlange leer ist, ist neu Element in diese Fall als Wurzel.


=== Delete(H,x) ===
* löscht Element x von Schlange H
* in diese "leer" Plätze geben wir die Element, die auf die letzte Plätze ist.
* Sortierung mit bestimmte Ordnung


=== FindMin(H) ===
* sucht Element von Schlange H mit am kleinste Schlüssel
* zurückgeben diese Element


=== DelMin(H) ===
* sucht Element von Schlange H mit am kleinste Schlüssel
* löscht diese Element von Schlange H


=== DecreaseKey(H,x,y) ===
* in Schlange H, für bestimmte Element x, gibt neue, kleinere Werte y
* Sortierung mit bestimmte Ordnung, weil neue Werte nicht in gute Plätze sein kann

== Prioritätswarteschlangen - Laufzeit ==

{| border="1" 
!  Operation
! Binärer Heap
! Binomial Heap
! Fibonacci Heap
 
|-
| MakePQ
|| <math>\mathcal{O}(1)</math>
|| <math>\mathcal{O}(1)</math>
|| <math>\mathcal{O}(1)</math>

|-
| FindMin
|| <math>\mathcal{O}(1)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(1)</math>

|-
| Delete
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>

|-
| Insert
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(1)</math>

|-
| DecreaseKey
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(1)</math>

|-
| DelMin
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(\log n)</math>

|-
| Meld
|| <math>\mathcal{O}(n)</math>
|| <math>\mathcal{O}(\log n)</math>
|| <math>\mathcal{O}(1)</math>

|}

==Assoziatives Datenfeld==
Das assoziative Datenfeld (englisch „map“, „dictionary“ oder „associative array“) ist eine Art der abstrakte Datenstruktur.
Diese Struktur deponiert die Paare Daten(Schlüssel, Wert), die der Wert und der einmalig Schlüssel haben. Mithilfe bestimmte Schlüssel haben wir der Zutritt bis genau ein Wert.

API den vielen Programmiersprachen nutzen von Assoziatives Datenfeld, z.B.: Java, C++, C#, PHP, Python, Ruby, LISP, D, JavaScript.

===Beispiel in C++===
<code id="52ac572aa5f0c">
#include <map>
using namespace std;
map<string, int> anzahl_tage; // Schlüssel sind string und Werte int
 
anzahl_tage["Januar"] = 31; // Paar - Schlüssel(Monat) und Wert(Anzhal Tage)
anzahl_tage["Februar"]    = 28;
anzahl_tage["März"]  = 31;
anzahl_tage["April"]    = 30;
anzahl_tage["Mai"]    = 31;
anzahl_tage["Juni"]    = 30;
anzahl_tage["Juli"]    = 31;
anzahl_tage["August"]    = 31;
anzahl_tage["September"]    = 30;
anzahl_tage["Oktober"]    = 31;
anzahl_tage["November"]    = 30;
anzahl_tage["Dezember"]    = 31;
 
if (schaltjahr)
   anzahl_tage["Februar"] = 29; // wechseln Wert mit Schlüssel "Februar"
 
//Suche dem Schlüssel mit Methode "find"
if (anzahl_tage.find("März") == anzahl_tage.end())
    cout << "Schlüssel 'März' gibt es nicht in diese Tafel.";
else
    cout << "Anzahl Tage in März = " << anzahl_tage["März"];
</code>

==Binäre Heap==
Heap ist die speziell Zufall der Binäre Baum, wo jede "Kind" ist '''nicht''' größer als seine "Eltern". Aufgrund diese Bedingungen wir sagen können, dass:

-Würzel muss am größsten sein, oder mit andere am größte Wert haben,

-auf Verknüpfungen(von Würzel bis Blätter) Werte können '''nicht''' steigen.


Voll Heap ist, wenn auf alle Niveau (ohne letzte) voll sind und auf letzte Nivou sind den chronologisch Blätter ordnen.

<gallery widths="400" heights="300" perrow="2">
Bild:S3makrza_Kopiec_zupelny.jpg|Voll Heap
Bild:S3makrza_Kopiec_niezupelny.jpg|"Nicht" voll Heap
</gallery>

==Prioritätswarteschlangen auf Heap==

Auf Heap können wir Prioritätswarteschlangen nutzen und auch bestimmte operationen.

Wir können neue Elemente hinzufügen und bekommen zurück immer am größsten.



=== Insert ===
Mithilfe ''Insert'' können wir in erste freie Plätze das latzte Niveau hinzufügen und dann, wenn neue Element größer als seine Elternteil ist, können wir einander tauschen. Jetzt müssen wir überprüfen mit nächste Element in Hierarchie, und mit nächste... bis Wurzel.

<gallery widths="300" heights="300" perrow="3">
Bild:S3makrza_Kopiec_wstawianie11.jpg|1. Wir hinzufügen neu Element '17' in erste Plätze in Reihenfolge.
Bild:S3makrza_Kopiec_wstawianie2.jpg|2. Jetzt müssen wir proben, ob diese neue Element ist größer als seine "Elternteil". Wenn ja, wechseln wir diese Position, wenn nein, bleiben wir wie ist.
Bild:S3makrza_Kopiec_wstawianie33.jpg|3. Machen wir das so lang (Bild 2), wenn größere Elternteil wir nicht finden, oder im Plätze Würzeln wechseln.
</gallery>



=== Delete Max ===
Diese Operation löscht am gröbste Element (Wurzel) in unsere Baum. In neue leere Plätze geben wir die letzte (erst von recht Seite) Element auf unterste Niveau. Jetzt überprüfen wir mit "größere Kind" und wenn diese Kind größer ist, tauschen wir Plätzen diese 2 Elemente. Das machen wir so lang, wenn es keine größere Kinder gibt, oder diese Element ist Blatt.

<gallery widths="300" heights="300" perrow="2">
Bild:S3makrza_Kopiec_usuwanie1.jpg|1. Ganz normale Heap.
Bild:S3makrza_Kopiec_usuwanie2.jpg|2. Wir löschen am größte Element (18) und in diese Plätze nehmen die letzte (erst von recht Seite) Element auf unterste Niveau (13).
Bild:S3makrza_Kopiec_usuwanie3.jpg|3. Überprüfung mit am größten Kind - Element (13 <-> 17).
Bild:S3makrza_Kopiec_usuwanie4.jpg|4. So lang, wenn es schon keine Möglichkeiten gibt.
</gallery>

==Binominal Heaps==
Binominal Heaps ist sehr ähnlich wie normale Heaps. Das ist auch die abstrakte Datenstruktur. Welche sind Unterschiede zwischen ganz normale Heaps und binomal Heaps?

Binominal Heaps nutzen auch von Operationen wie ''Insert'', ''FindMin'', usw... aber hat auch ''Meld(H1,H2)''. Was macht das?


;Meld(H1,H2)
*Verbindung zwei Schlangen, H1 mit H2


Diese Datenstruktur hat specielle Eigenschaften, die Binominal Heap $B_{k}$:
*hat $2^{k}$ Elemente
*Höhe ist ''k''
*funktioniert $0 \le i \le k$

[[Bild:S3makrza_Drzewa_dwumianowe.png]]

=== Fibonacci Heaps ===
Fibonacci Heaps ist auch Datenstruktur. Diese Heaps ist sehr ähnlich wie Binominal Heaps aber ist seine Verbesserung, die mit ständig amortisierte Kosten DecreaseKey (z.B. in Dijkstry Algorithmus ist). Die Grundidee ist sehr einfach, sie macht manches Operationen später, bis Moment, wenn wirklich notwendig ist. Gleich wie Binominal Heaps, Fibonacci Heaps ist auch die Liste den Bäumen, von welche jede ist in bestimmte Ordnung Heaps.


== Dijkstra-Algorithmus ==
Dijkstra-Algorithmus nutzen wir bis Suche am kurzte Abstand von bestimmte Eckpunkt ''s'' bis alle andere Eckpunkte. In diese Algoritmus, Graph-Eingang kann nicht Kante mit Zahlen < 0 haben. Kanten sind auch nicht mit Vektoren. Grundaufgabe ist Suche alle Q Eckpunkte in Menge, für welche gibt es noch keine am kurzte Wege und Vektor von s bis alle Eckpunkte i.

Wie funktioniert diese Algorithmus?
1) Solange Menge Q ist nicht leer, macht
2) Nehmen von Menge Q der Eckpunkt ''v'', welche am kleinste Wert hat
3) Für jede nächste Eckpunkt ''v'', überpruft ob er mit vorige Eckpunkt (d.h. Summe den Werte) ist kleiner als andere diese Verbindungen oder einzeln Weg.


[[Bild:S3makrza_Dijkstra_1.jpg]]
{| border="1"
 |-
 | Q || (a) || (b) || (c) || (d) || (e)
 |-
 | {b,c,d,e} || '''0''' || 10 || * || * || ''5''
 |-
 | {b,c,d} || '''0''' || 8 || 14 || ''7'' || '''5'''
 |-
 | {b,c} || '''0''' || ''8'' || 13 || '''7''' || '''5'''
 |-
 | {c} || '''0''' || '''8''' || ''9'' || '''7''' || '''5'''
 |-
 | {} || '''0''' || '''8''' || '''9''' || '''7''' || '''5'''
  |}

=Übungen=
==Teil 1==
1. Skizzieren Sie den Heap, der sich ergibt, wenn die folgenden Operationen mit einem ursprünglich leeren Heap ausgeführt werden: insert(10), insert(5), insert(6), insert(8), remove(6), insert(7), insert(3), insert (2). 

2. Ist eine Datei in umgekehrt sortierter Reihenfolge ein Heap?

==Teil 2==
<document>S3makrza_Übungen.pdf</document>

=Literatur=
* [http://www.algorytm.org/ http://www.algorytm.org/]
* [http://wazniak.mimuw.edu.pl http://wazniak.mimuw.edu.pl]
* [http://iair.mchtr.pw.edu.pl/ http://iair.mchtr.pw.edu.pl/]
* [http://pl.wikipedia.org/wiki/Wikipedia:Strona_g%C5%82%C3%B3wna http://pl.wikipedia.org/wiki/Wikipedia:Strona_g%C5%82%C3%B3wna]
* [http://de.wikipedia.org/wiki/Wikipedia:Hauptseite http://de.wikipedia.org/wiki/Wikipedia:Hauptseite]