Räumliche Analyse durch kombinatorische Optimierung

Living reference work entry

Latest version View entry history

Part of the Springer Reference Naturwissenschaften book series (SRN)

Zusammenfassung

In diesem Beitrag geht es uns darum, an einigen wenigen Beispielen aus der räumlichen Analyse grundlegende Entwurfstechniken für Algorithmen und Werkzeuge der kombinatorischen Optimierung zu illustrieren. Außerdem wollen wir ein Minimum an theoretischem Unterbau vermitteln. Damit hoffen wir, dass es dem Leser, der Leserin gelingt, räumliche Probleme mit Methoden der Informatik bewusst und damit erfolgreich zu lösen. Wir halten es für besonders wichtig, dass man neue Probleme sorgfältig mathematisch modelliert und mittels exakter Algorithmen das eigene Modell wenigstens auf kleinen Instanzen überprüft, bevor man sich schnellen Heuristiken zuwendet, um große Instanzen zu lösen.

Schlüsselwörter:

Kombinatorische Optimierung Räumliche Analyse Effiziente Algorithmen Mathematische Programmierung Dynamische Programmierung Teile und Herrsche Approximationsalgorithmen Greedy-Algorithmen Heuristiken 

Literatur

  1. 1.
    Alt, H., Efrat, A., Rote, G., Wenk, C.: Matching planar maps. J. Algorithms 49 (2), 262–283 (2003). doi:10.1016/S0196-6774(03)00085-3CrossRefGoogle Scholar
  2. 2.
    Breu, H., Kirkpatrick, D.G.: Unit disk graph recognition is NP-hard. Comput. Geom. Theory Appl. 9 (1–2), 3–24 (1998). doi:10.1016/S0925-7721(97)00014-XCrossRefGoogle Scholar
  3. 3.
    Christofides, N.: Worst-case analysis of a new heuristic for the travelling salesman problem. Techn. Ber. 388, Graduate School of Industrial Administration, Carnegie Mellon University (1976)Google Scholar
  4. 4.
    Clark, B.N., Colbourn C.J., Johnson D.S.: Unit disk graphs. Discret. Math. 86 (1–3), 165–177 (1990). doi:10.1016/0012-365X(90)90358-OCrossRefGoogle Scholar
  5. 5.
    Cormen, T.H., Leiserson, C.E., Rivest, R.L., Stein, C.: Algorithmen – Eine Einführung, 4. Aufl. Oldenbourg, München (2013)Google Scholar
  6. 6.
    Dantzig, G.B.: Linear Programming and Extensions. Princeton University Press, Princeton (1963)CrossRefGoogle Scholar
  7. 7.
    Das, G.K., De, M., Kolay, S., Nandy, S.C., Sur-Kolay, S.: Approximation algorithms for maximum independent set of a unit disk graph. Inform. Process. Lett. 115 (3), 439–446 (2015). doi:10.1016/j.ipl.2014.11.002CrossRefGoogle Scholar
  8. 8.
    de Berg, M., Cheong, O., van Kreveld, M., Overmars, M.: Computational Geometry: Algorithms and Applications, 3. Aufl. Springer, Berlin (2008). doi:10.1007/978-3-540-77974-2CrossRefGoogle Scholar
  9. 9.
    Fowler, R.J., Paterson, M.S., Tanimoto, S.L.: Optimal packing and covering in the plane are NP-complete. Inform. Process. Lett. 12 (3), 133–137 (1981). doi:10.1016/0020-0190(81)90111-3CrossRefGoogle Scholar
  10. 10.
    Garey, M.R., Johnson, D.S.: Computers and Intractability; A Guide to the Theory of NP-Completeness. W.H. Freeman & Co., San Francisco (1990)Google Scholar
  11. 11.
    Gomory, R.E.: Outline of an algorithm for integer solutions to linear programs. Bull. Am. Math. Soc. 64, 275–278 (1958). doi:10.1007/978-3-540-68279-0_4CrossRefGoogle Scholar
  12. 12.
    Haunert, J.H., Wolff, A.: Optimal simplification of building ground plans. In: Proceedings of 21st Congress International Society Photogrammetry Remote Sensing (ISPRS’08), Technical Commision II/3. International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Bd. XXXVII, Part B2, S. 373–378, Beijing (2008). http://www.isprs.org/proceedings/XXXVII/congress/2_pdf/3_WG-II-3/01.pdf
  13. 13.
    Haunert, J.H., Wolff, A.: Area aggregation in map generalisation by mixed-integer programming. Int. J. Geogr. Inform. Sci. 24 (12), 1871–1897 (2010). doi:10.1080/13658810903401008CrossRefGoogle Scholar
  14. 14.
    Hsiao, J.Y., Tang, C.Y., Chang, R.S.: An efficient algorithm for finding a maximum weight 2-independent set on interval graphs. Inform. Process. Lett. 43 (5), 229–235 (1992). doi:10.1016/0020-0190(92)90216-ICrossRefGoogle Scholar
  15. 15.
    Karmarkar, N.: A new polynomial-time algorithm for linear programming. Combinatorica 4 (4), 373–395 (1984). doi:10.1007/BF02579150CrossRefGoogle Scholar
  16. 16.
    Kirkpatrick, S., Gelatt Jr., C.D., Vecchi, M.P.: Optimization by simulated annealing. Science 220 (4598), 671–680 (1983). doi:10.2307/1690046CrossRefGoogle Scholar
  17. 17.
    Krumke, S.O., Noltemeier, H.: Graphentheoretische Konzepte und Algorithmen, 3. Aufl. Vieweg+Teubner (2012). doi:10.1007/978-3-8348-2264-2Google Scholar
  18. 18.
    Lichtenstein, D.: Planar formulae and their uses. SIAM J. Comput. 11 (2), 329–343 (1982). doi:10.1137/0211025CrossRefGoogle Scholar
  19. 19.
    Michiels, W., Aarts, E., Korst, J.: Theoretical Aspects of Local Search. Springer, Berlin/New York (2007). doi:10.1007/978-3-540-35854-1Google Scholar
  20. 20.
    Niemeier, W.: Ausgleichungsrechnung, 2. Aufl. De Gruyter, Berlin (2008)CrossRefGoogle Scholar
  21. 21.
    Papadimitriou, C.H., Steiglitz, K.: Combinatorial Optimization: Algorithms and Complexity. Dover, Mineola (1998)Google Scholar
  22. 22.
    Vazirani, V.V.: Approximation Algorithms. Springer, Berlin (2001). doi:10.1007/978-3-662 -04565-7Google Scholar
  23. 23.
    Williamson, D.P., Shmoys, D.B.: The Design of Approximation Algorithms. Cambridge University Press, Cambridge/New York (2011)CrossRefGoogle Scholar
  24. 24.
    Wolff, A.: Graph drawing and cartography. In: Tamassia, R. (Hrsg.) Handbook of Graph Drawing and Visualization, Kap. 23, S. 697–736. CRC Press, Boca Raton (2013)Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2016

Authors and Affiliations

  1. 1.Institut für Geoinformatik und Fernerkundung (IGF)Universität OsnabrückOsnabrückDeutschland
  2. 2.Lehrstuhl für Informatik IUniversität WürzburgWürzburgDeutschland

Personalised recommendations