Abstrakte Datentypen

Algorithmik 1
Prof. Dr. Michael Philippsen / Prof. Dr. Herbert Stoyan
Friedrich-Alexander-Universität
Erlangen-Nürnberg
Informatik 2/8
Programmiersysteme /
Künstliche Intelligenz
Organisatorisches
Statistik der Übungsblätter 1-3
Holen Sie
mehr aus
sich raus!
Toll!
Super!
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-2
M. Philippsen
Kapitel 10 - Abstrakte Datentypen
10.1
10.2
10.3
10.4
10.5
10.6
10.7
Einführung
Programmentwicklung mit ADT
Liste
Keller
Schlange
Binärbaum
Menge und Mehrfachmenge
Handy aus!
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-3
M. Philippsen
10.1 Einführung
Rückblick auf konkrete Datentypen (1)
ƒ Ein Typ gibt an, welche konkreten Operationen auszuwählen sind.
ƒ Stark typisierte Programmiersprachen erkennen Typfehler immer zur
Übersetzungszeit Æ viele Programmierfehler können erkannt
werden.
ƒ Primitive Datentypen:
y Jeder Ausdruck und jede Variable im Programm hat einen Typ.
y Es gibt zu jedem primitiven Typ eine Menge von Operationen, die darauf
ausgeführt werden können.
y Die Wirkung der Operationen ist in der Sprachspezifikation erläutert.
ƒ Klassen definieren Methoden, die auf ihren Objekten ausgeführt
werden können.
y Wenn (Instanz)variablen der Objekte verborgen sind, dann lässt sich der
Objektzustand nur durch Methoden modifizieren und abfragen.
y Aber: Wie ist die Wirkung der Methoden auf den Zustand spezifiziert?
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-4
M. Philippsen
10.1 Einführung
Rückblick auf konkrete Datentypen (2)
ƒ Steht im Speicher 2B = 0010 1011, kann das je nach Typ bedeuten:
y
y
y
y
„+“ im ASCII-Code
43 als binär dargestellte Ganzzahl
Subtraktionsbefehl auf Intel-Prozessoren
…
ƒ Je nach Typ sind unterschiedliche Operationen in der
Sprachspezifikation erklärt
y „+“ zur Addition von Ganzzahlen
y „+“ zur Konkatenation von Zeichenfolgen
ƒ Verhalten von Methoden vergleichsweise
dürftig festgelegt. Beispiel:
y uhr.setzeZeit(std,min)
y uhr.anzeigen()
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-5
Verhalten ist nur durch
Namen der Methoden
angedeutet, eventuell im
Kommentar. Es gibt
bislang keine „saubere“
Spezifikation des
Verhaltens!
M. Philippsen
10.1 Einführung
Rolle von Typen in Software-Systemen
Komponente
Komponente
Komponente
Komponenten, die andere
Komponenten nutzen,
müssen sich auf die
Erfüllung der Aufgaben
verlassen können!
Kommunikation durch
•Prozeduraufruf
•Nachrichtenversand
Komponente
Komponente
Komponente
Software-System
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-6
M. Philippsen
10.1 Einführung
Komponente/Modul
y löst logisch und funktional zusammenhängende Aufgabe
y besitzt Schnittstelle bestehend aus Funktionssignaturen und
Zusicherungen über diese Funktionen, so dass
à …das Modul von Dritten allein bei Kenntnis der Schnittstelle benutzt werden
kann (also ohne Kenntnis der Implementierung (= des Quell-Codes))
à …das Modul allein bei Kenntnis der Schnittstelle implementiert werden kann
(also ohne Kenntnis seiner Verwendung(en), des verwendenden Codes).
ƒ Der Modul/Komponenten-Begriff ist grundlegend für die arbeitsteilige
Konstruktion größerer Systeme (in allen Ingenieurdisziplinen).
ƒ Die strikte Trennung von Implementierung und Verwendung heißt
Geheimnisprinzip (= Implementierung geheim halten) oder
Kapselung (der Implementierung gegen die Benutzung).
ƒ Das Geheimnisprinzip erlaubt es, Implementierungen
auszutauschen, ohne die Verwendung funktional zu beeinflussen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-7
M. Philippsen
10.1 Einführung
Rolle von Typen in Software-Systemen
Dienst
Algorithmen und
Datenstrukturen
Außensicht
Innensicht
ƒ Dienst:
y Von der Komponente garantierte, von ihr erfüllte Aufgaben.
y Oder auch: Kompetenzen der Komponente.
ƒ Diensteigenschaften:
y Funktionale Eigenschaften (Dienstfunktionalität): Umfang und Wirkung
der anforderbaren Aufgaben, Schnittstelle der Komponente.
y Nichtfunktionale Eigenschaften (Dienstmerkmale oder Dienstqualitäten):
Randbedingungen, die bei der Erfüllung der Aufgaben beachtet werden.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-8
M. Philippsen
10.1 Einführung
Abstrakter Datentyp (ADT) = Die Schnittstelle einer Komponente und ihr
Verhalten (ein Typ) wird ohne Angabe einer konkreten Implementierung (für
alle Implementierungen gültig, also abstrakt) spezifiziert
y Festlegung der auf dem Typ anwendbaren Operationen = Schnittstelle
y Festlegung der Wirkung der Operationen
ƒ Vorteile:
y Nutzende Komponenten können sich auf die Spezifikation der Wirkung
verlassen, ohne die Implementierung zu kennen. (Æ „Design by Contract“)
y Die Implementierung einer Komponente ist für die Nutzer geheim. Sie kann
ausgetauscht/verbessert werden, ohne dass der Nutzer betroffen ist, solange die
spezifizierte Wirkung der Operationen erhalten bleibt. (Æ Geheimnisprinzip)
y Nach der Implementierung der Operationen kann man nachweisen, dass das
Verhalten spezifikationsgemäß ist.
y Im Software-Entwicklungsprozess kann man das Nachdenken über Operationen
und deren Wirkung von der Implementierung trennen. Man muss also nicht alle
Probleme auf einmal lösen sondern kann schrittweise verfeinern.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-9
M. Philippsen
10.1 Einführung
Signatur
ƒ Die Signatur eines ADT legt fest, welche Operationen erlaubt sind,
welche Typen die Parameter der Operationen haben müssen und
von welchem Typ das Resultat ist.
ƒ Signatur des ADT Boolean:
y
y
y
y
y
true:
false:
not:
and:
or:
Boolean
Boolean x Boolean
Boolean x Boolean
Typen der Parameter
Æ Boolean
Æ Boolean
Æ Boolean
Æ Boolean
Æ Boolean
0-stellige Funktionen
heißen Konstante
Ergebnistyp
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-10
M. Philippsen
10.1 Einführung
Axiome
ƒ Axiome legen die Wirkung der Operationen fest, indem sie auf
andere Funktionen zurückführen.
ƒ Axiome des ADT Boolean:
y
y
y
y
y
y
y
A1
A2
A3
A4
A5
A6
A7
not(false) = true
not(true) = false
and(false,false) = false
and(false,true) = false
and(true,false) = false
and(true,true) = true
or(x,y) = not(and(not(x),not(y)))
Name des Axioms
Sonderfall der Rückführung:
Spezifikation durch
vollständige Aufzählung
Man erkennt, dass es
nur 2 Datenobjekte in
diesem Datentyp gibt.
Rückführung auf die
Wirkung anderer Funktionen
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-11
M. Philippsen
10.1 Einführung
Weitere ADT-Begriffe (1)
ƒ Operationen, die Datenobjekte des Typs erzeugen, heißen
Konstruktoren.
ƒ Für einen ADT lässt sich eine Menge von Konstruktoren angeben,
mit der alle möglichen Datenobjekte erzeugt werden können.
ƒ Normalform eines Datenobjekts: konstruiert durch eine minimale Zahl
von Konstruktoraufrufen.
ƒ Die übrigen Konstruktoren heißen Hilfskonstruktoren.
ƒ Operation, die Informationen über einen Datentyp oder ein
Datenobjekt liefern, heißen Projektionen bzw. Selektionen
Vergleiche ADT-Konstruktoren
mit Konstruktoren in Java.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-12
M. Philippsen
10.1 Einführung
Mit true und false lassen
sich alle Datenobjekte
darstellen Æ einzige
Konstruktoren von Boolean.
Normalform offensichtlich.
Weiter ADT-Begriffe (2)
ƒ Beim
y Signatur
à
à
à
à
à
true:
false:
not: Boolean
and: Boolean x Boolean
or:
Boolean x Boolean
Æ Boolean
Æ Boolean
Æ Boolean
Æ Boolean
Æ Boolean
y Axiome
à
à
à
à
à
à
à
A1
A2
A3
A4
A5
A6
A7
not(false) = true
not(true) = false
and(false,false) = false
and(false,true) = false
and(true,false) = false
and(true,true) = true
or(x,y) = not(and(not(x),not(y)))
Übrige Operationen liefern
Datenobjekt des Typs.
Daher Hilfskonstruktoren.
Hier keine Projektionen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-13
M. Philippsen
10.1 Einführung
ƒ Die Wirkung von Folgen von Operationsaufrufen kann durch die
Axiome auf die Normalform zurückgeführt werden.
ƒ Normalform beim Datentyp Boolean am Beispiel:
and(or(true,and(true,false))
, false)
and(or(true,
, false)
//Anwendung A5
and(not(and(not(true),not(false))) , false)
//Anwendung A7
and(not(and( false
)), false)
//Anwendung A1,A2
), false)
//Anwendung A4
, false)
//Anwendung A1
and(not(
and(
false
)
true
false
true
false
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-14
//Anwendung A5
Normalform
M. Philippsen
10.2 Programmentwicklung mit ADT
Beispiel: Einsatz eines ADTs bei der Programmentwicklung
ƒ Gesucht ist ein Programm, dass die deutsche Bedeutung englischer
Wörter speichert und dann diesbezügliche Fragen beantworten kann.
(Mit vielen sehr vereinfachenden Annahmen …)
y
y
y
y
Ew: Menge der englischen Wörter
Dw: Menge der deutschen Wörter
Eingabe beim Speichern: endl. Menge von Wortpaaren (x,y) 0 Ew x Dw
Ausgabe beim Abfragen von z 0 Ew: b 0 Dw c {?} mit b 0 Dw wenn (z,b)
gelernt wurde und b=? sonst.
ƒ Offensichtlich muss das Programm die Operationen „eintragen“ und
„nachschlagen“ bewältigen, die auf einem Zustandsspeicher
operieren.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-15
M. Philippsen
10.2 Programmentwicklung mit ADT
ƒ Datentyp Wörterbuch (Ew, Dw)
ƒ Signatur:
y create:
y enter:
y find:
Æ Wörterbuch
Wörterbuch x Ew x Dw Æ Wörterbuch
Wörterbuch x Ew
Æ Dw c {?}
create erschafft ein
leeres Wörterbuch
ƒ Axiome:
y A1:
y A2:
2 Konstruktoren,
1 Projektion
find(create, z) = ?
Zusammenhang
zwischen enter und find
y
falls x=z
find(d, z)
sonst
find(enter(d, x, y), z) =
Die Kunst der Spezifikation besteht darin,
genau das Wesentliche und nichts Überflüssiges zu sagen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-16
Rekursive Rückführung
auf die Bedeutung eines
kleineren Ausdrucks
M. Philippsen
10.2 Programmentwicklung mit ADT
ƒ Man kann zeigen, dass find(d,z) den letzten Eintrag für z findet, falls
ein solcher existiert, und sonst „?“ liefert.
ƒ Beweis per struktureller Induktion
y Die einzige Chance, ein Wörterbuch „quasi aus dem Nichts“ zu erzeugen
bietet die Operation create
y Weitere Wörterbücher können nur durch die Operation enter entstehen.
y Induktionsanfang:
à Das Wörterbuch hat die Länge 0 und die Form create
à Nach A1 hat find(create,z) das gewünschte Resultat.
y Induktionsschluss: „n-1Æn“
à Das Wörterbuch hat die Form
enter(enter(…enter(create,(x1,y1),…,(xn-1,yn-1),(xn,yn))
à Falls xn=z, dann liefert find aufgrund von A2 den letzten Eintrag von z ins
Wörterbuch.
à Andernfalls hat find in dem Wörterbuch der Länge n-1 nach
Induktionsvoraussetzung das gewünschte Verhalten.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-17
M. Philippsen
10.2 Programmentwicklung mit ADT
ƒ Nachdem die Wirkung der Operationen abstrakt festgelegt sind, kann
man über die Implementierung nachdenken:
ƒ Es gibt unterschiedliches Möglichkeiten
y Liste, Suchbaum, … später mehr
ƒ Hier Implementierung mit einer Reihung
y feste maximale Länge oder Längenverdopplung bei Ausschöpfung
y Implementierungsansatz 1:
à Verweise auf die Wortpaare werden bei enter sequentiell aufsteigend in die
Reihung eingetragen.
à find sucht die Reihung rückwärts nach einem Treffer ab.
y Implementierungsansatz 2:
à Verweise auf die Wortpaare werden bei enter sequentiell aufsteigend in die
Reihung eingetragen. Duplikate ersetzen den alten Eintrag vollständig.
à find durchsucht die Reihung in beliebiger Reihenfolge nach einem Treffer.
y Welcher Ansatz ist besser?
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-18
Anzahl Vergleiche
im ?-Fall
M. Philippsen
Kapitel 10 – Abstrakte Datentypen
10.1 √ Einführung
10.2 √ Programmentwicklung mit ADT
= Datentyp zur Speicherung,
Organisation, Verwaltung
von Objekten eines
Elementdatentyps
Im folgenden werden Behälterdatentypen als ADT formuliert.
y Typ der Elemente im Behälter ist Parameter des ADT
y Behälterdatentypen sind sehr bedeutsam für die Praxis
10.3
10.4
10.5
10.6
10.7
Liste
Keller
Schlange
Binärbaum
Menge und Mehrfachmenge
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-19
M. Philippsen
10.3 Liste
ƒ
Um mit Mengen von Datenelementen umzugehen, kann man ein- oder
mehrdimensionale Reihungen benutzen. Für Reihungen muss man aber zum
Erzeugungszeitpunkt angeben, wie viele Elemente gebraucht werden.
y Falls das Feld zu klein ist, kann ein Programmfehler auftreten oder man muss extra Code
zum Anlegen größerer Felder und Kopieren in diese schreiben (Laufzeit!)
y Falls das Feld zu groß ist, wird unnötig Platz verschwendet. Dadurch werden evtl. andere
Programme behindert, d. h. diese können nicht laufen oder laufen langsam
(Æ Technische Informatik: 2 „Cache-Nutzung“ oder Æ Softwaresysteme 1: Seitenwechsel).
y Falls Elemente in einer bestimmten Reihenfolge gehalten werden sollen, dann erfordert
das Einfügen oder Löschen von Elementen in einem Feld Kopierarbeit.
ƒ
Listen vermeiden diese Nachteile:
y Listen enthalten nicht mehr Elemente als nötig.
y Listen können beliebig wachsen und schrumpfen.
y Listen können an beliebiger Stelle Elemente einfügen oder entfernen, ohne dabei andere
Elemente verlagern (kopieren) zu müssen.
ƒ
Listen haben aber einen Nachteil. Im Gegensatz zu Feldern gibt es keine
Indizierungsoperation (z. B. adresse[9923]). Algorithmen, die eine Indizierung
erfordern, laufen deshalb auf Listen nur langsam.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-20
M. Philippsen
10.3 Liste
append
ƒ Gedanklich:
Pfeilrichtung wird klar
bei Implementierung
tail
neuestes Element
head
ƒ Signatur Liste(T)
y
y
y
y
y
create:
append:
head:
tail:
length:
T x Liste
Liste
Liste
Liste
Æ Liste
Æ Liste
ÆT
Æ Liste
Æù
Konstruktoren
Projektion
Hilfskonstruktor
Projektion
ƒ Axiome
y
y
y
y
A1:
A2:
A3:
A4:
head(append(x,l)) = x
tail(append(x,l)) = l
length(create) = 0
length(append(x,l))=1+length(l)
head(create) und
tail(create) sind
nicht spezifiziert.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-21
M. Philippsen
10.3 Liste
Parameterlose Operation
ƒ Signaturdiagramm:
head
T
append
create
Liste
tail
Typ
Operation mit
2 Parametern
length
ù
Hier könnte das
Signaturdiagramm
mit Operationen
auf ù fortgesetzt
werden.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-22
M. Philippsen
10.3 Liste
Anmerkungen zur Normalform
ƒ In welcher Reihenfolge auch immer Elemente per append an die
Liste angefügt und per tail aus der Liste entfernt werden, die
Normalform besteht stets aus der Listenerzeugung plus sequentieller
Anfügung in der Listenreihenfolge.
(Beweis mit struktureller Induktion)
ƒ Beispiel:
tail(append(B,append(A,create)))
A B
append(A
append(B
tail
Entspricht in Normalform:
append(A,create)
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-23
M. Philippsen
10.3 Liste
Anmerkungen zur Implementierung
ƒ Verschiedenste Implementierungsmöglichkeiten
ƒ Hauptunterschiede: wie einfach gelangt man von der Position eines
Listenelements zum Vorgänger/Nachfolger
ƒ Erweiterung um diverse zusätzliche Operationen möglich/üblich:
y Einfügen, Löschen an beliebiger Stelle im Inneren der Liste
y Verketten zweier Listen
y Zugriff auf Anfangs-/End-/Teillisten
ƒ Diese Erweiterungen lassen sich stets auf eine Folge der obigen
Elementaroperationen zurückführen (und können in diesem Sinne als
Hilfskonstruktoren erklärt werden).
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-24
M. Philippsen
10.3 Liste
Implementierungsbeispiel
Liste
class Element {
int datum;
Element voriges;
}
class Liste {
Element kopf;
kopf
Element
neuestes
Element
Liste append(Element neu) {…}
Element head() {…}
Liste() {…}
int length() {…}
}
voriges
voriges
voriges
Beachte: Dies ist ein Implementierungsbeispiel.
Später lernen wir bessere Implementierung kennen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-25
M. Philippsen
10.3 Liste
Implementierungsbeispiel „append“
class Liste {
...
Liste append(Element neu) {
neu.voriges = kopf;
kopf = neu;
return this;
}
}
Liste
kopf
neu
Element
voriges
voriges
voriges
voriges
Verweis wird kopiert
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-26
M. Philippsen
10.3 Liste
Implementierungsbeispiel „head“
class Liste {
...
Element head() {
return kopf;
}
}
Liste
kopf
Element
voriges
Ein Verweis auf diese
zuletzt eingefügte Listenelement wird geliefert.
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-27
M. Philippsen
10.3 Liste
Implementierungsbeispiel „tail“
class Liste {
...
Liste tail() {
if (kopf != null)
kopf = kopf.voriges;
return this;
}
}
Liste
kopf
Element
voriges
voriges
voriges
tail ist auf leerer Liste nicht
definiert. Schutzabfrage.
Später besser.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-28
Der Speicherbereiniger
entfernt den früheren
Listenkopf (irgendwann)
M. Philippsen
10.3 Liste
Implementierungsbeispiel „length“
class Liste {
...
//rekursiver Ansatz
int length() {
return length(kopf);
}
private int length(Element e) {
if (e == null) {
return 0;
} else {
return 1+length(e.voriges);
}
}
}
Liste
kopf
Element
1+…
3
voriges
2
voriges
1+…
1
1+…
voriges
0
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-29
M. Philippsen
10.3 Liste
Implementierungsbeispiel „length“
class Liste {
...
//entrekursivierte Fassung
int length() {
int len = 0;
Element e = kopf;
while (e != null) {
e = e.voriges;
len += 1;
}
return len;
}
}
Liste
kopf
Element
0, e
voriges
1, e
voriges
2, e
voriges
3, e
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-30
M. Philippsen
10.3 Liste
Implementierungsbeispiel „reverse“
class Liste {
...
Liste reverse() {
Liste neueListe = new Liste();
while (kopf != null) {
neueListe.append(kopf);
tail();
}
return neueListe;
}
}
Liste
kopf
Element
voriges
voriges
voriges
Was ist hier
falsch?
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-31
M. Philippsen
10.3 Liste
Implementierungsbeispiel „reverse“ - Fehlersuche (1)
Liste
Liste reverse() {
Liste neueListe = new Liste();
while (kopf != null) {
neueListe.append(kopf);
tail();
}
return neueListe;
}
Liste append(Element neu) {
neu.voriges = kopf;
kopf = neu;
return this;
}
kopf
Element
voriges
voriges
voriges
neueListe
kopf
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-32
M. Philippsen
10.3 Liste
Implementierungsbeispiel „reverse“ - Fehlersuche (2)
Liste
Liste reverse() {
Liste neueListe = new Liste();
while (kopf != null) {
neueListe.append(kopf);
tail();
}
return neueListe;
}
Liste append(Element neu) {
neu.voriges = kopf;
kopf = neu;
return this;
}
kopf
Element
voriges
verwaist:
voriges
neueListe
kopf
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-33
M. Philippsen
10.3 Liste
Implementierungsbeispiel „reverse“ - korrigiert
Liste
class Liste {
...
Liste reverse() {
Liste neueListe = new Liste();
while (kopf != null) {
Element e = kopf;//bzw head()
tail();
//Zeiger in e
//noch korrekt
neueListe.append(e);
}
return neueListe;
}
}
kopf
Element
voriges
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-34
M. Philippsen
10.3 Liste
Orthogonale Liste (1)
ƒ Listenelemente gleichzeitig in mehreren Listen führen.
ƒ Beispiel: dünnbesetzte Matrix
Spaltenköpfe
…
2.3
2.5
0
0
0 0 0
0 0 0
0 4.1 0
0 0 5.7
0 …
0 …
0 …
0 …
…
Annahme: weniger als
1% der Matrix-Elemente
sind ungleich Null
1.0 2.3
Zeilenköpfe
1.0
0
1.3
0
…
2.5
1.3
4.1
5.7
…
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-35
M. Philippsen
10.3 Liste
Orthogonale Liste (2)
ƒ Listenelemente gleichzeitig in mehreren Listen führen.
ƒ Beispiel: dünnbesetzte Matrix
Spaltenköpfe
…
Zeilenköpfe
1.0 2.3
2.5
1.3
4.1
Jedes Element speichert:
• Zeilenindex
• Zeilennächster
• Spaltenindex
• Spaltennächster
5.7
…
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-36
M. Philippsen
10.3 Liste
Übliche Erweiterungen des bisherigen ADT Liste
ƒ Konzept des Positionszeigers, der auf ein Element der Liste zeigt.
y advance: Liste Æ Liste
y restore: Liste Æ Liste
y insert: T x Liste Æ Liste
y delete: Liste Æ Liste
y element: Liste Æ T
y endpos: Liste Æ Bool
rückt der Positionszeiger ein Element weiter
setzt Positionszeiger auf Anfang zurück
fügt an der Stelle des Positionszeigers ein
neues Element ein
löscht das Element aus der Liste, auf das
der Positionszeiger verweist.
liefert das Element, auf das der Positionszeiger verweist.
true, falls der Positionszeiger auf das letzte
Listenelement zeigt.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-37
M. Philippsen
10.4 Keller/Stapel („stack“)
ƒ Gedanklich
Entfernte
Elemente
4.
Eingefügte
Elemente
4. 3. 2. 1.
Keller
Das zuletzt
eingefügte Element
kommt als 1. heraus.
4.
3.
2.
1.
• Letzter-Zuerst-Strategie
(„last in first out“, LIFO)
• Wenden eines Zugs über
ein Abstellgleis
Auslesen liefert das zuletzt eingefügte Element.
Entfernen entfernt das zuletzt eingefügte Element.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-38
M. Philippsen
10.4 Keller/Stapel („stack“)
ƒ Signatur Keller(T)
y
y
y
y
y
create:
push:
pop:
top:
empty:
T x Keller
Keller
Keller
Keller
Æ Keller
Æ Keller
Æ Keller
ÆT
Æ Boolean
Axiome für LIFOVerhalten
ƒ Axiome:
y
y
y
y
A1:
A2:
A3:
A4:
pop(push(x,s)) = s
top(push(x,s)) = x
empty(create) = true
empty(push(x,s)) = false
Ebenso wie tail
eine verkürzte
Liste zurück gibt,
liefert pop einen
Keller ohne das
oberste Element.
ƒ Normalform: nur create und push sind Konstruktoren.
ƒ LIFO-Eigenschaft mit vollständiger Induktion beweisbar.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-39
M. Philippsen
10.4 Keller/Stapel („stack“)
ƒ Signaturdiagramm:
top
T
push
create
Keller
empty
true
Bool
pop
false
Hier mit Teilen des
Signaturdiagramms
von Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-40
M. Philippsen
10.4 Keller/Stapel („stack“)
Kellerimplementierung mit einer Liste
ƒ Abbildung:
y
y
y
y
y
y
createKeller = createListe
push(x,s) = append(x,s)
pop(append(x,s)) = s
top(append(x,s)) = x
empty(create) = true
empty(append(x,s)) = false
Der ADT Keller wird hier
auf den ADT Liste
zurückgeführt: es ist
angegeben, wie man
grundsätzlich mit jeder
korrekt implementierten
Liste einen Keller
implementieren kann.
ƒ Beispiel:
top(push(x,s))
= top(append(x,s))
= x
//Nachweis der Keller-Eigenschaften trivial
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-41
M. Philippsen
10.4 Keller/Stapel („stack“)
ƒ Keller werden benötigt zur Rückstellung von (Teil-)Problemen, die
man später bearbeiten oder vervollständigen will. Zum Beispiel:
y zur Implementierung der Rekursion,
y zur Verarbeitung von Klammerstrukturen
y zur Bearbeitung von Bäumen (in späterem Kapitel der Vorlesung)
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-42
M. Philippsen
10.4 Keller/Stapel („stack“)
Keller zur Implementierung geschachtelter Methodenaufrufe
ƒ Für jeden Methodenaufruf wird eine Methodenschachtel angelegt.
Schachteln werden nach LIFO-Strategie wieder freigegeben.
m() {
...
n();
...
}
m()-Aufruf
n() {
...
o();
...
}
n()-Aufruf
m
n
m
Rücksprungadresse
o()-Aufruf
Keller der MethodenSchachteln bis zum
o
Aufruf von o.
n
m
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-43
M. Philippsen
10.4 Keller/Stapel („stack“)
Keller zur Auswertung arithmetischer Ausdrücke in Postfixform
ƒ Arithmetischer Ausdruck: 5 * (7 - 3)
ƒ Postfixform:
573-*
ƒ Ablauf:
y
y
y
y
Kellermaschine
Operanden auf den Keller legen, bis Operator erreicht
Dann zwei Operanden vom Keller nehmen, Ergebnis berechnen
Ergebnis auf den Keller legen,
u.s.w.
push 5
push 7
push 3
5
7
5
3
7
5
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-44
top, pop, top,pop,
top, pop, top,pop,
push (7-3) push (5*4)
4
5
20
M. Philippsen
10.4 Keller/Stapel („stack“)
Fakultätsfunktion mit expliziter Kellerung
ƒ Original:
n wird auf den Keller gelegt.
long fakultaet (int n) {
return (n == 0) ? 1 : n*fakultaet(n-1);
}
Alle Kellerelemente zusammen multiplizieren
ƒ fakultaet(4)
while (!keller.empty())
ergebnis *= keller.topAndPop();
push 4
push 3
push 2
4
3
4
2
3
4
top,pop
erg = 2
top,pop
erg = 6
3
4
top,pop
erg = 24
4
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-45
M. Philippsen
10.4 Keller/Stapel („stack“)
Anmerkung zur Implementierung
ƒ Die Listenimplementierung aus Abschnitt 10.3 funktioniert bereits
nach dem LIFO-Prinzip. Sie ist leicht in eine Keller-Implementierung
umzuwandeln. (Bei anderen Implementierungsweisen ggf. schwerer.)
ƒ Speicherbereiche werden in der Regel durch eine Reihung und einen
Stapel-Zeiger realisiert:
0
n
push E
SP
pop
0
n
E
SP
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-46
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Gedanklich
Ende
Kopf
enqueue
Hinzufügen des
neuesten Elements
Erster-Zuerst-Strategie
(„first in first out“, FIFO)
dequeue
Wegnehmen des
ältesten Elements
y Im Unterschied zu Kellern, bei denen man Elemente an einem Ende
sowohl anfügt als auch wegnimmt, geschieht bei Schlangen das
Hinzufügen an einem und das Wegnehmen am anderen Ende.
ƒ Signatur Schlange(T)
y
y
y
y
y
create:
enq:
front:
deq:
empty:
T x Schlange
Schlange
Schlange
Schlange
Æ Schlange
Æ Schlange
ÆT
Æ Schlange
Æ Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-47
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Beispiel Schlange
ƒ Aufbau einer Schlange
y enq(2,enq(1,create))
1
create
enq(1,…
ƒ Arbeiten auf der Schlange
y deq(enq(2,enq(1,create)))
2
1
enq(2,…
2
deq(enq(2,…
= enq(2, create))
y front(enq(2,enq(1,create)))
=1
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-48
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Axiome
y A1:
deq(enq(x,q)) =
q
falls empty(q)
enq(x,deq(q))
sonst
Für eine nicht-leere Schlage ist es unerheblich, ob man zuerst ein Element
anhängt und dann eines wegnimmt oder umgekehrt.
y A2:
front(enq(x,q)) =
x
falls empty(q)
front(q)
sonst
Das vorderste (älteste) Element einer Schlange ist unabhängig davon, ob noch
weitere Element mittels enq angehängt sind.
y A3:
y A4:
empty(create) = true
empty(enq(x,q)) = false
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-49
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Normalform: nur create und enq sind Konstruktoren.
ƒ FIFO-Eigenschaft per vollständiger Induktion beweisbar.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-50
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Signaturdiagramm:
front
T
enq
create
Queue
empty
true
Bool
deq
false
Hier mit Teilen des
Signaturdiagramms
von Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-51
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Schlangenimplementierung mit einer Liste (1)
ƒ Abbildung:
y createSchlange = createListe
y deq(append(x,q)) = q
y front(append(x,q)) = x
append(x,createListe)
falls empty(q)
y enq(x,q) =
append(y,enq(x,l))
sonst, mit q=append(y,l)
y empty(create) = true
Das neue Element x wird durch diese
y empty(append(x,s)) = false
rekursive Definition bis zum Ende der
resultierenden Liste „geschoben“, aus
der es als letztes herausgeholt wird.
ƒ Korrektheit der Abbildung ist leicht durch Einsetzen nachzuweisen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-52
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Schlangenimplementierung mit einer Liste (2)
append(x,createListe)
falls empty(q)
enq(x,q) =
append(y,enq(x,l))
ƒ Beispiel:
enq(2,enq(1,createSchlange))
append(1,createListe)
enq(2,
falls q=append(y,l)
1
)
front würde 1
liefern, FIFO
append(1,enq(2,createListe))
append(2,createListe)
append(1,
)
2
2
1
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-53
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Schlangen werden zur Abarbeitung von Aufträgen in
Eingangsreihenfolge verwendet:
y
y
y
y
y
y
Prozessverwaltung im Betriebssystem
Speicherverwaltung
Druckaufträge
Kommunikationssoftware
Tastaturpuffer
…
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-54
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkung zur Implementierung (1)
Schlange
ƒ Schlangen werden mit zusätzlichem
Zeiger auf das Schlusselement
implementiert.
ƒ Leere Schlange: kopf=ende=null
kopf
ende
ƒ Einelementige Schlange: Sowohl
kopf als auch ende zeigen auf
dasselbe einzige Schlangenelement.
ƒ enq: voriges-Verweis des
bisherigen ende-Elements auf das
neue Element zeigen lassen.
Dann ende-Verweis der Schlange
auf das neue Element setzen.
Element
voriges
voriges
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-55
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkung zur Implementierung (2)
ƒ deq: kopf-Verweis auf den Nachfolger
des aktuellen Kopfs versetzen.
ƒ Achtung: wenn die Schlange nur ein
Element hatte, dann zeigt ende-Verweis
danach noch auf das entfernte Element.
ende-Verweis muss ebenfalls auf
null gesetzt werden.
Schlange
kopf
ende
Element
voriges
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-56
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Ähnlich wie beim Keller kann auch eine Reihung/ein Speicherbereich
zur Schlangenimplementierungen verwendet werden:
0
n
F
enq E
kopf
ende
0
n
F
deq
E
ende
kopf
0
n
E
kopf
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-57
ende
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
„Zirkuläre Reihung“
0
ende
Das erst Element folgt auf
das letzte.
Für jeden Index
ist die nächste Position
modulo der max. Schlangengröße.
Man benötigt eine logische
Variable voll, um den Zustand
der Schlange zu protokollieren.
F
E
kopf
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-58
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Prioritätswarteschlange („priority queue“)
ƒ Die Elemente haben eine Priorität. Beim Auslesen wird nicht das am
längsten in der Schlange befindliche Element (FIFO) geliefert,
sondern das Element höchster Priorität, das am längsten in der
Schlange war.
ƒ Beispiel:
y Lebensalter
y Kreditwünsche nach Höhe
Elemente haben den Typ (T,ù)
ƒ Signatur Schlange(T,ù)
y
y
y
y
y
create:
enq:
front:
deq:
empty:
T x ù x Schlange
Schlange
Schlange
Schlange
Æ Schlange
Æ Schlange
ÆTxù
Æ Schlange
Æ Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-59
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Beispiel Prioritätswarteschlange
ƒ Aufbau einer Prioritätswarteschlange
y enq((x,3),enq((b,2),enq((v,3),enq((a,2),create))))
a2
create
v3 a2
enq((a,2)… enq((v,3),…
b2 v3 a2
enq((b,2),…
x3 b2 v3 a2
enq((x,3),…
ƒ Arbeiten auf der Schlange
y front(deq(…siehe oben…))
front
x3 b2 v3 a2
= (x,3)
front
x3 b2 a2
deq(…
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-60
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Prioritätswarteschlange („priority queue“)
ƒ Zusätzlich erforderliche Operation:
y maxprio: Schlange
Æù
Æ maxprio gehört nicht zur Signatur der Prioritätswarteschlange, weil kein
Benutzer der Prioritätswarteschlange den Wert von maxprio wissen
muss.
Æ In Java: maxprio als private Methode vereinbaren!
ƒ Zugehöriges Axiom:
y A5:
maxprio(enq((x,g),q) =
g
g
maxprio(q)
falls empty(q)
falls maxprio(q)<g
sonst
Paar (Element, Priorität)
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-61
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Axiom der Schlange
y A1:
q
falls empty(q)
enq(x,deq(q))
sonst
deq(enq(x,q)) =
Für eine nicht-leere Schlange ist es unerheblich, ob man zuerst ein Element
anhängt und dann eines wegnimmt oder umgekehrt.
ƒ Axiom der Prioritätswarteschlange
y A1:
deq(enq((x,g),q)) =
Falls (x,g) höchste
Priorität hat, entfernt
deq dieses Paar.
q
q
enq((x,g),deq(q))
falls empty(q)
falls maxprio(q)<g
sonst
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-62
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
ƒ Axiom der Schlange
y A2:
x
falls empty(q)
front(q)
sonst
front(enq(x,q)) =
Das vorderste (älteste) Element einer Schlange ist unabhängig davon, ob noch
weitere Element mittels enq angehängt sind.
ƒ Axiom der Prioritätswarteschlange
y A2:
(x,g)
front(enq((x,g),q)) = (x,g)
front(q)
Falls (x,g) höchste
Priorität hat, liefert
front dieses Paar.
falls empty(q)
falls maxprio(q)<g
sonst
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-63
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Implementierung einer Prioritätswarteschlange mit einer Liste
ƒ Jetzt: Einfügen sortiert nach Priorität, keine Hilfsoperation maxprio
ƒ Abbildung:
y createSchlange = createListe
y deq(append((x,g),q)) = q
y front(append((x,g),q)) = (x,g)
append((x,g),createListe)
y enq((x,g),q) =
append((x,g),q)
append(y,enq((x,g),l))
y empty(create) = true
y empty(append((x,g),s)) = false
Falls (x,g) höchste
Priorität hat, einfach
an Liste anhängen
falls empty(q)
falls front(q).gewicht<g
sonst, mit q=append(y,l)
Sonst Listenkopf
überspringen und in q gemäß
Sortierung einfügen
ƒ Korrektheit der Abbildung ist leicht durch Einsetzen nachweisbar.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-64
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkungen zur Implementierung
ƒ Einsetzen eines Elements in eine Warteschlange
y Leere Schlange
kopf
ende
kopf
ende
voriges
y Nicht-leere Schlange
à als neuen Kopf
voriges
kopf
ende
voriges
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-65
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkungen zur Implementierung (2)
ƒ Einsetzen eines Elements in eine Warteschlange
y Nicht-leere Schlange
à in der Mitte
voriges
kopf
ende
voriges
voriges
Das Einsetzen erfolgt immer nach
einem vorhandenen Element.
à am Ende
kopf
ende
voriges
voriges
voriges
voriges
voriges
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-66
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Schleppzeiger (1)
ƒ Beim Implementieren einer Prioritätswarteschlange sucht man die
Stelle zum sortierten Einfügen eines neuen Elements.
ƒ Mit einem Verweis läuft man die Schlange ab, bis man ein Element
kleinerer Priorität gefunden hat. Das Einfügen muss aber vor diesem
Element erfolgen.
kopf
ende
100
voriges
85 (neu)
voriges
100<85?
90
voriges
90<85?
Æ Benutze Verweis, der stets um ein
Element hinter Lauf-Verweis zurück ist
80
voriges
80<85?
Neues Element ist
vor diesem Element
einzusetzen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-67
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Schleppzeiger (2)
Wenn man
wirklich will, dann
kann man ohne
Schleppzeiger
auskommen.
Wie?
Element laufZeiger = kopf;
Element schleppZeiger = null;
while ((laufZeiger != null) &&
(laufZeiger.prio >= neu.prio)) {
schleppZeiger = laufZeiger;
laufZeiger = laufZeiger.voriges;
} ...
kopf
ende
85 (neu)
voriges
100
voriges
90
voriges
100<85?
SL
SL
90<85?
80
voriges
SL
80<85?
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-68
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkungen zur Implementierung (3)
ƒ Entfernen eines Elements aus einer nicht-leeren Warteschlange
y am Anfang
kopf
ende
kopieren
voriges
voriges
voriges
voriges-Verweis des ersten/zu löschenden
Schlangenelements wird in kopf kopiert.
Erstes Schlangenelement ist anschließend verwaist
und kann vom Speicherbereiniger entfernt werden.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-69
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Anmerkungen zur Implementierung (4)
ƒ Entfernen eines Elements aus einer nicht-leeren Warteschlange
y in der Mitte
kopf
ende
kopieren
voriges
y am Ende
kopf
ende
voriges
voriges
kopieren
voriges
voriges
voriges
Schleppzeiger
ist notwendig
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-70
M. Philippsen
10.5 Schlange/Warteschlange („queue“)
Doppelte Verkettung
ƒ Die Verzeigerung der Elemente nur in eine Richtung erfordert einen
Schleppzeiger wenn auf das „vorhergehende“ Element zugegriffen
werden soll.
ƒ Das Durchlaufen der Schlange in umgekehrter Richtung erfordert
eine umständliche Umordnung der Elemente in eine neue Liste
ƒ Besser: Verweis auf Vorgänger und Nachfolger
?
voriges
nächstes
voriges
nächstes
voriges
nächstes
?
Unterschiedliche Möglichkeiten für Zeiger an Enden der Schlange:
- zyklische Verkettung/zirkuläre Liste
- null als Markierung
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-71
M. Philippsen
Kapitel 10 – Abstrakte Datentypen
10.1 √ Einführung
10.2 √ Programmentwicklung mit ADT
Im folgenden werden Behälterdatentypen als ADT formuliert.
y Typ der Elemente im Behälter ist Parameter des ADT
y Behälterdatentypen sind sehr bedeutsam für die Praxis
10.3 √
10.4 √
10.5 √
10.6
10.7
Liste
Lineare Datentypen, lassen sich auf
Keller
eine Liste zurückführen
Schlange
Binärbaum
Menge und Mehrfachmenge
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-72
M. Philippsen
17.1 Graph-Grundlagen
ƒ Ein stark zusammenhängender ungerichteter Graph heißt Baum,
wenn es keine Schlingen gibt und wenn es zwischen je zwei
verschiedenen Knoten genau einen einfachen Pfad gibt.
Bei gerichteten Graphen sind mehr Begriffe nötig:
y Gerichteter azyklischer Graph (DAG, „directed acyclic graph“):
Gerichteter Graph ohne Zyklen.
y Ein Knoten v eines DAG heißt Wurzel, falls es keine auf ihn gerichteten
Kanten gibt. Hat ein DAG nur eine Wurzel, so heißt er Wurzelgraph.
Wurzelgraph:
DAG:
Wurzel
X
Wurzel
nur zyklenfrei, wenn X entfernt ist.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
Wurzel
M. Philippsen
17.1 Graph-Grundlagen
ƒ Bei gerichteten Graphen ist ein Baum ein Wurzelgraph, in dem zu
jedem Knoten genau ein (eindeutiger) Pfad von der Wurzel aus führt.
Baum:
Wurzel
X
X
Es gibt noch andere
Möglichkeiten, um durch
Entfernen von Kanten
aus dem Graph ein
Baum zu machen.
ƒ Ein DAG mit mehreren Wurzeln, aber eindeutigen Pfaden, heißt
Wald.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
ƒ Aus dieser Baum-Definition folgt:
y Es gibt (auch bei gerichteten Graphen) keinen Zyklus.
y Die Wurzel ist der einzige Knoten ohne direkten Vorgänger.
y Jeder andere Knoten hat genau einen direkten Vorgänger, er kann aber
beliebig viele direkte Nachfolger haben.
ƒ Abweichend zu ungerichteten Graphen definiert man:
y Der Grad eines Knotens ist die Anzahl der Nachfolger eines Knotens.
(Es werden also nur die Ausgangskanten berücksichtigt.)
y Der Grad des Baums ist der maximale Grad seiner Knoten.
y Ein Knoten mit Grad 0, also ohne Nachfolger, heißt Blatt.
y Alle anderen Knoten heißen innere Knoten des Baums.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
Weitere Baum-Begriffe (1)
ƒ Binärbaum = Baum mit Grad 2
y Jeder Knoten hat maximal 2 Nachfolger.
y Man spricht vom rechten/linken Kind (Nachfolger, Sohn).
y Wenn bei der graphischen Darstellung von Bäumen klar ist, welcher
Knoten die Wurzel ist (und welche Richtung die Kante zwischen
Elternknoten und Kinderknoten hat), kann man auf die Pfeilspitzen
verzichten.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
Weitere Baum-Begriffe (2)
ƒ Der Unterbaum eines Knotens v im Baum sind v und alle
nachfolgenden Knoten plus die verbindenden Kanten.
y Unterbäume sind wieder Bäume.
ƒ Triviale Bäume: leerer Graph; kantenloser Graph mit nur einem
Knoten.
ƒ Die Länge des Pfades von der Wurzel zu einem Knoten k bestimmt
die Höhe von k im Baum.
y Die Wurzel hat die Höhe 0.
y Die Höhe aller direkten Nachfolger eines Knotens v ist um 1 größer als
die Höhe von v.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
Am Beispiel:
1:2
0:1
Wurzel
innerer Knoten
2:0
2:1
4:0
Blatt
3:1
n:m = Höhe:Grad
Blatt
Unterbaum dieses Knotens:
0:1
2:0
Grad des Baums: 2
1:1
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
Beispiele:
Ausdrucksbaum
„Kantorowitsch-Baum“ 5 * (7-3)
Cecilia
Claude
*
7
Elisabeth
Elisabeth II
Mary
Georg VI
George V
-
5
Abstammungsbaum
3
Victoria
Loius
Alice
Olga
Georg I
Andrew
Charles
Philip
ist Kind von
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
17.1 Graph-Grundlagen
Andere Darstellungsformen von Bäumen
ƒ Kontour-Darstellung
▪ Einrückungsdarstellung
A
B
H
J
D
B
A
F
C
H
J
G
E
C
D
E
G
F
ƒ Listendarstellung
A(B(HJ)C( DE( G)F ))
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05, Vorgriffssfolie
M. Philippsen
10.6 Binärbaum
ƒ Signatur BinBaum(T)
y
y
y
y
y
y
create:
bin:
left:
right:
value:
empty:
BinBaum x T x BinBaum
BinBaum
BinBaum
BinBaum
BinBaum
Æ BinBaum
Æ BinBaum
Æ BinBaum
Æ BinBaum
ÆT
Æ Boolean
ƒ Axiome:
y
y
y
y
y
A1:
A2:
A3:
A4:
A5:
left(bin(x,b,y)) = x
right(bin(x,b,y)) = y
value(bin(x,b,y)) = b
empty(create) = true
empty(bin(x,b,y)) = false
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-81
M. Philippsen
10.6 Binärbaum
Beispiel Binärbaum
ƒ Hilfefunktion:
leaf v = bin(create,v,create) //erzeuge Blatt
ƒ value(left(bin(leaf(3),2,leaf(4))))
leaf(3)
leaf(4)
3
=3
2
bin(..2..)
3
4
3
ƒ empty(left(left(…obiger Baum…))
2
3
left(..)
4
4
3
= true
left(..)
3
left(..)
Die „leeren Nachfolger“
der Blätter zählen bei
der Baumhöhe nicht mit.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-82
M. Philippsen
10.6 Binärbaum
ƒ Signaturdiagramm:
value
T
bin
create
BinTree
empty
true
Bool
left,right
false
dreistellige Operation
Hier mit Teilen des
Signaturdiagramms
von Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-83
M. Philippsen
10.6 Binärbaum
Anmerkungen zur Implementierung (1)
ƒ Explizite Darstellung mit Verweisen
y Verweise von Knoten zu Nachfolgern/Kindern/Söhnen
Reihung von Verweisen,
maximaler Knotengrad legt
Länge der Reihung fest.
Binärbaum: 2
y Verweise auf Vorgänger/Elternknoten/Vater
Allgemeine Bäume: bei
stark schwankendem
Grad, kann ggf. Liste mit
Verweisen günstiger sein.
y beide Sorten von Verweisen
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-84
Kanten im Baum
M. Philippsen
10.6 Binärbaum
Anmerkungen zur Implementierung/beliebiger Grad (2)
ƒ Explizite Darstellung mit Verweisen
y Mit maximal 2 Verweisen: Ein Knoten zeigt nur auf einen Nachfolger, der
dann die Geschwisterknoten verkettet
nicht sinnvoll
für Binärbäume
zeigt auf Geschwisterknoten
zeigt auf Kind
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-85
M. Philippsen
10.6 Binärbaum
Anmerkung zur Implementierung (3)
ƒ Mit Reihungen und Indizes, ohne explizite Verweise
A
B
D
C
E
F
G
für allgemeine
Bäume: mehr Zeilen
A B C D E F G
0 1 2 3 4 5 6 zugeordneter Index
1
2
3 -1 -1 5 -1 -1 Index linkes Kind
4 -1 -1 6 -1 -1 Index rechtes Kind
-1 steht für: kein
Nachfolger vorhanden
Während die strukturverändernden Operationen des ADT bei Speicherung
mit Verweisen relativ leicht machbar sind, müssen hier die Index-Reihungen
i.A. größtenteils ersetzt werden.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-86
M. Philippsen
10.6 Binärbaum
Anmerkungen zur Implementierung (4)
ƒ Implizite Darstellung:
y Es werden keine Verweise/keine Index-Reihungen verwendet. Durch die
Position in einem Feld kann Position der Nachfolger berechnet werden.
à
à
à
à
Speichere Wurzel in A[1]
Linker Nachfolger von Knoten i steht in A[2*i]
Rechter Nachfolger von Knoten i steht in A[2*i+1]
Der Vorgänger eines Knotens k steht in A[k/2]
y Beispiel:
Binärbaum: A
B
D
1
3
4
5
6
7
A B C D E F G
C
E F
2
anderer Faktor für
allgemeine Bäume
G
Gut bei ausbalancierten Binärbäumen. Strukturänderungen sind noch mehr
Aufwand als bei den Index-Reihungen.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-87
M. Philippsen
10.6 Binärbaum
Haldenspeicherung
ƒ Die implizite Darstellung eines Baums in einer Reihung wird oft
verwendet, um eine Halde („heap“) zu speichern.
ƒ Halden sind ideal zur Implementierung von Prioritätswarteschlangen.
ƒ Haldeneigenschaft: Eine Halde zeichnet sich dadurch aus, dass der
Wert eines Knotens größer oder gleich dem Wert seiner zwei
Nachfolger ist. (Analog mit ≤ definierbar.)
Nachfolge von A[1]
A[1] A[2] A[3] A[4] … A[k] … A[n]
Der Knoten mit
maximalem Wert ist
immer an der Spitze
der Halde.
derzeit k
Elemente
auf Halde
maximaler
Füllstand
der Halde
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-88
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde
ƒ Der Knoten (mit höchster Priorität) wird vorne aus der Halde entfernt.
y Jetzt sind in der Reihung A[2...k] zwei Halden gespeichert. Eine beginnt
an Position A[2], die andere an Position A[3].
ƒ Der letzte Knoten A[k] wird an die Spitze der Halde kopiert.
y Jetzt gilt i.A. nicht mehr, dass A[1] ≥ A[2] und A[1] ≥ A[3].
A[1] ist i.A. an der falschen Position.
y A[1] wird mit seinen beiden Nachfolgern verglichen und mit dem
größeren von beiden vertauscht. Sei dies j.
y Danach erfüllen A[1..3] die Haldeneigenschaft.
y Jetzt gilt i.A. nicht mehr, dass A[j] ≥ A[2j] und A[j] ≥ A[2j+1]
y Wiederhole Vertauschung mit maximalem Nachfolger rekursiv bis die
Haldeneigenschaft erfüllt ist.
ƒ Im schlimmsten Fall sind 2·log2k Vergleiche nötig, bis die
Haldeneigenschaft wieder erfüllt ist.
Bei der Implementierung der Prioritätswarteschlange mit einer Liste
sind i.A. k Schritt nötig.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-89
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (1)
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16
16 15 13 14 10
9
12
6
5
16 ≥ 15
16 ≥
13
15 ≥
14
15 ≥
10
13 ≥
9
13 ≥
12
14 ≥
14 ≥
10 ≥
10 ≥
9≥
9≥
6
7
3
2
5
7
11
8
1
Erfüllt die
Haldeneigenschaft
3
2
…
4
4
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-90
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (2)
16
<
>
13
15
>
<
14
10
<
>
<
6
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
<
1
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-91
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (3)
1
<
>
13
15
>
<
14
10
<
>
<
6
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-92
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (4)
15
<
>
13
1
>
<
14
10
<
>
<
6
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-93
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (5)
15
<
>
13
14
>
<
1
10
<
>
<
6
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-94
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (6)
15
<
>
13
14
>
<
6
10
<
>
<
1
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-95
M. Philippsen
10.6 Binärbaum
Entnahme aus der Halde am Beispiel (7)
5
6
7
8
9 10 11 12 13 14 15 16
16 15 13 14 10
9
12
6
5
7
3
2
4
11
8
1
15 13 14 10
9
12
6
5
7
3
2
4
11
8
1
1
15 13 14 10
9
12
6
5
7
3
2
4
11
8
15
1
9
12
6
5
7
3
2
4
11
8
1
2
3
4
13 14 10
15 14 13
1
10
9
12
6
5
7
3
2
4
11
8
15 14 13
6
10
9
12
1
5
7
3
2
4
11
8
Maximalelement
wieder vorne.
Erfüllt die
Haldeneigenschaft
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-96
M. Philippsen
10.6 Binärbaum
Einfügen in eine Halde
ƒ Einfügen hat ähnliche Grundidee, wie Entfernen
ƒ Neues Element wird als A[k+1] in die Halde geschrieben.
y Falls der Wert des neuen Knotens größer ist als der seines
Elternknotens (dieser sei j) dann wird getauscht.
y Anschließend wird der neue Wert von j rekursiv mit dessen Eltern
verglichen und ggf. getauscht.
ƒ Im schlimmsten Fall sind log2k Vergleiche nötig, bis die
Haldeneigenschaft wieder erfüllt ist.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-97
M. Philippsen
10.6 Binärbaum
Einfügen in die Halde am Beispiel (1)
15
<
>
13
14
>
<
6
10
<
>
<
1
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
16
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-98
M. Philippsen
10.6 Binärbaum
Einfügen in die Halde am Beispiel (2)
16
<
>
13
15
>
<
14
10
<
>
<
6
5
7
>
<
12
9
>
3
<
>
<
2
4
11
>
8
<
1
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-99
M. Philippsen
10.6 Binärbaum
Einfügen in die Halde am Beispiel (1)
1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16
15 14 13
6
10
9
12
1
5
7
3
2
4
11
8
15 14 13
6
10
9
12
1
5
7
3
2
4
11
8
16
15 14 13
6
10
9
12
1
5
7
3
2
4
11
8
16
15 14 13
6
10
9
12 16 5
7
3
2
4
11
8
1
15 14 13 16 10
9
12
6
5
7
3
2
4
11
8
1
15 16 13 14 10
9
12
6
5
7
3
2
4
11
8
1
16 15 13 14 10
9
12
6
5
7
3
2
4
11
8
1
Maximalelement
wieder vorne.
Erfüllt die
Haldeneigenschaft
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-100
M. Philippsen
10.6 Binärbaum
Binärer Suchbaum
= Binärbaum, für dessen Knoten k gilt
value(left) < value(k) < value(right),
falls die Kinder existieren.
ƒ Es muss eine (totale) Ordnungsrelation ≤ auf dem Elementtyp T
existieren, damit man die Werte der Knoten vergleichen kann.
6
ƒ Beispiel
<
<
3
<
1
<
4
<
10
8
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-101
M. Philippsen
10.6 Binärbaum
ƒ Signatur SuchBaum(T), T mit Ordnungsrelation:
y
y
y
y
create:
insert:
find:
delete
T x BinTree
T x BinTree
T x BinTree
Æ
Æ
Æ
Æ
BinTree
BinTree
Boolean
BinTree
ƒ Signaturen bin, left, right, value und empty des (normalen)
Binärbaums werden verborgen.
ƒ Ein ADT-Benutzer kann nur mit insert und delete auf dem Baum
arbeiten.
ƒ Zur Implementierung von insert und delete können die Signaturen
des normalen Binärbaums verwendet werden, solange sichergestellt
ist, dass sowohl insert als auch delete die Eigenschaft „binärer
Suchbaum“ erhält.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-102
M. Philippsen
10.6 Binärbaum
ƒ Zusätzliche Axiome von SuchBaum(T):
y Aa:
insert(x,create) = bin(create,x,create)
y Ab:
bin(b1,v,b2)
insert(x,bin(b1,v,b2)) = bin(insert(x,b1),v,b2)
bin(b1,v,insert(x,b2))
y Ac:
find(x,create) = false
y Ad:
find(x,bin(b1,v,b2)) =
true
find(x,b1)
find(x,b2)
falls x=v
falls x<v
falls x>v
falls x=v
falls x<v
falls x>v
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-103
M. Philippsen
10.6 Binärbaum
ƒ Suchbäume sehen je nach Einfügereihenfolge anders aus
ƒ insert(3,insert(5,insert(2,insert(4,create))))
4
2
5
3
ƒ insert(5,insert(3,insert(4,insert(2,create))))
Wurzel
2
4
3
5
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-104
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
ƒ Mengen sind einer der am häufigsten vorkommenden ADT
ƒ Es gibt zahlreiche Implementierungsmöglichkeiten
ƒ Signatur Menge(T), für T muss Gleichheitsoperator definiert sein
y
y
y
y
y
create:
add:
isIn:
del:
empty:
T x Menge
T x Menge
T x Menge
Menge
Æ Menge
Æ Menge
Æ Boolean
Æ Menge
Æ Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-105
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
Beispiel Menge:
Mengen haben
keine Duplikate
ƒ add(a,add(a,add(b,create)))
b
add(b
add(a
a
b
add(a
a
b
ƒ isIn(c, …Menge von oben…)
c…a Æ isIn(c,add(b,create))
c…b Æ isIn(c,create)
= false
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-106
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
ƒ Axiome
y A1:
y A2:
y A3:
y A4:
y A5:
y A6:
y A7:
isIn(x,create) = false
true
falls x=y
isIn(x,m)
sonst
add(x,m)
falls x=y
add(y,add(x,m))
sonst
m
falls x=y
add(y,del(x,m))
sonst
isIn(x,add(y,m)) =
empty(create) = true
empty(add(x,m)) = false
add(x,add(y,m)) =
del(x,create) = create
del(x,add(y,m)) =
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-107
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
Alternative mit weiteren Operationen
ƒ Signatur Menge(T), für T muss Gleichheitsoperator definiert sein
y
y
y
y
y
create:
add:
isIn:
del:
empty:
y
y
y
y
single: T
union:
Menge x Menge
intersect: Menge x Menge
diff:
Menge x Menge
T x Menge
T x Menge
T x Menge
Menge
Æ Menge
Æ Menge
Æ Boolean
Æ Menge
Æ Boolean
Æ Menge
Æ Menge
Æ Menge
Æ Menge
Erzeugt einelementige Menge
nicht immer vorhanden.
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-108
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
Beispiel erweiterter ADT Menge:
ƒ union(add(a,add(b,create)), add(c,create))
b
add(a
add(b
a
b
union
c b
a
c
add(c
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-109
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
ƒ Axiome zu den alternativen Signaturen (1)
y A1-A4 bleiben unverändert (isIn, empty)
y A5:
y A6:
y A7:
single(x) = add(x,create)
add(x,m) = union(single(x),m)
del(x,m) = diff(m,single(x))
y A8:
union(create,s) = s
y A9:
y A10:
y A11:
„schlankere“ Axiome
union(m,n)
falls isIn(x,n)
add(x,union(m,n))
sonst
union(add(x,m),n) =
intersect(create,m) = create
add(x, intersect(m,n))
intersect(add(x,m),n) =
intersect(m,n)
falls isIn(x,n)
sonst
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-110
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
ƒ Axiome zu den alternativen Signaturen (2)
y A12:
y A13:
diff(create,m) = create
add(x,diff(m,n))
falls !isIn(x,n)
diff(m,n)
sonst
diff(add(x,m),n) =
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-111
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge
ƒ Signaturdiagramm:
isIn
create
single
T
add,del
Menge
empty
union,
intersect
diff
true
Bool
false
Hier mit Teilen des
Signaturdiagramms
von Boolean
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-112
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
Mehrfachmengen:
ƒ intuitiv: Mengen, in denen Elemente mehrfach vorkommen können
ƒ zusätzliche Signatur:
y isInTimes:
T x Menge
Æù
//gibt an, wie oft Element
//in Menge ist.
ƒ Geändertes Axiom A5:
y add(x,add(y,m))=add(y,add(x,m))
ƒ zusätzliche Axiome:
y Aa:
y Ab:
isInTimes(x,create) = 0
1+isInTimes(x,m)
falls x=y
isInTimes(x,m)
sonst
isInTimes(x,add(y,m)) =
ƒ Beispiel: Mehrfachmenge d. Primfaktoren von 2250 = [2, 3, 3, 5, 5, 5]
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-113
M. Philippsen
10.7 Menge („set“) und Mehrfachmenge („multiset, bag“)
Anmerkungen zur Implementierung
ƒ Implementierung durch eine Liste
y leicht, recht aufwändig
ƒ Implementierung durch binären Suchbaum (nur Mengen)
y nur es eine totale Ordnung ≤ auf den Elementen gibt
ƒ Implementierung mit Bitvektoren (nur Mengen)
y Wenn T endlich ist, kann für jedes Element aus T eine Position in einem
Bitvektor festgelegt werden
y Beispiel, T={a,b,c}
à union(add(a,add(b,create)), add(c,create))
a b c
union
bitweises
oder
sehr schnelle
Mengenoperationen
a b c
Friedrich-Alexander-Universität Erlangen-Nürnberg
Algorithmik 1, WS 2004/05 Folie 10-114
M. Philippsen