Einführung in die Praktische Informatik

Filip Sadlo
Interdisziplinäres Zentrum für Wissenschaftliches Rechnen
Universität Heidelberg
Im Neuenheimer Feld 368, 69120 Heidelberg
sadlo@[Link]

basierend auf der überarbeiteten und erweiterten Version von:

Peter Bastian
Interdisziplinäres Zentrum für Wissenschaftliches Rechnen
Universität Heidelberg
Im Neuenheimer Feld 368, 69120 Heidelberg
[Link]@[Link]

und

Nicolas Neuß
Universität Erlangen-Nürnberg
Department Mathematik
Lehrstuhl Angewandte Mathematik 3
Haberstr. 2, 91058 Erlangen
neuss@[Link]

Version 2.1

Erstellt: 2. Februar 2016

URL zur Vorlesung (enthält u.a. die Beispielprogramme):

[Link]
Inhaltsverzeichnis
1 Grundbegriffe 7
1.1 Formale Systeme: MIU . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Turingmaschine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Problem, Algorithmus, Programm . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Berechenbarkeit und Turing-Äquivalenz . . . . . . . . . . . . . . . . . . . 15
1.5 Reale Computer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6 Programmiersprachen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.7 Komplexität von Programmen . . . . . . . . . . . . . . . . . . . . . . . . 20

2 Funktionale Programmierung 21
2.1 Auswertung von Ausdrücken . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.3 Selektion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Syntaxbeschreibung mit Backus-Naur Form . . . . . . . . . . . . . . . . . 25
2.5 Das Substitutionsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6 Linear-rekursive Prozesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.7 Linear-iterative Prozesse . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.8 Baumrekursion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.9 Größenordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.10 Wechselgeld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.11 Der größte gemeinsame Teiler . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.12 Zahlendarstellung im Rechner . . . . . . . . . . . . . . . . . . . . . . . . . 42
2.13 Darstellung reeller Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2.14 Wurzelberechnung mit dem Newtonverfahren . . . . . . . . . . . . . . . . 47
2.15 Fortgeschrittenere funktionale Programmierung . . . . . . . . . . . . . . . 49

3 Prozedurale Programmierung 50
3.1 Lokale Variablen und die Zuweisung . . . . . . . . . . . . . . . . . . . . . . 51
3.2 Syntax von Variablendefinition und Zuweisung . . . . . . . . . . . . . . . . 53
3.3 Anweisungsfolgen (Sequenz) . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.4 Bedingte Anweisung (Selektion) . . . . . . . . . . . . . . . . . . . . . . . . 56
3.5 While-Schleife . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.6 For-Schleife . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.7 Goto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.8 Formale Programmverifikation . . . . . . . . . . . . . . . . . . . . . . . . 60
3.9 Prozeduren und Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . 63

4 Benutzerdefinierte Datentypen 64
4.1 Aufzählungstyp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.2 Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.3 Zeichen und Zeichenketten . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.4 Typedef . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.5 Das Acht-Damen-Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
4.6 Zusammengesetzte Datentypen . . . . . . . . . . . . . . . . . . . . . . . . 72

3
5 Globale Variablen und das Umgebungsmodell 77
5.1 Globale Variablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
5.2 Das Umgebungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
5.3 Stapel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
5.4 Monte-Carlo Methode zur Bestimmung von π . . . . . . . . . . . . . . . . 83

6 Zeiger und dynamische Datenstrukturen 86

6.1 Zeiger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
6.2 Zeiger im Umgebungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . . 87
6.3 Call by reference . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
6.4 Zeiger und Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
6.5 Felder als Argumente von Funktionen . . . . . . . . . . . . . . . . . . . . . 91
6.6 Zeiger auf zusammengesetzte Datentypen . . . . . . . . . . . . . . . . . . . 91
6.7 Problematik von Zeigern . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
6.8 Dynamische Speicherverwaltung . . . . . . . . . . . . . . . . . . . . . . . . 93
6.9 Die einfach verkettete Liste . . . . . . . . . . . . . . . . . . . . . . . . . . 94
6.10 Endliche Menge . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

7 Klassen 101
7.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
7.2 Klassendefinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
7.3 Objektdefinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.4 Kapselung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.5 Konstruktoren und Destruktoren . . . . . . . . . . . . . . . . . . . . . . . 104
7.6 Implementierung der Klassenmethoden . . . . . . . . . . . . . . . . . . . . 105
7.7 Klassen im Umgebungsmodell . . . . . . . . . . . . . . . . . . . . . . . . . 107
7.8 Beispiel: Monte-Carlo objektorientiert . . . . . . . . . . . . . . . . . . . . 107
7.9 Initialisierung von Unterobjekten . . . . . . . . . . . . . . . . . . . . . . . 110
7.10 Selbstreferenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
7.11 Überladen von Funktionen und Methoden . . . . . . . . . . . . . . . . . . 111
7.12 Objektorientierte und funktionale Programmierung . . . . . . . . . . . . . 113
7.13 Operatoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.14 Anwendung: rationale Zahlen objektorientiert . . . . . . . . . . . . . . . . 115
7.15 Beispiel: Turingmaschine . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.16 Abstrakter Datentyp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123

8 Klassen und dynamische Speicherverwaltung 126

8.1 Klassendefinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
8.2 Konstruktor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
8.3 Indizierter Zugriff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
8.4 Copy–Konstruktor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.5 Zuweisungsoperator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.6 Hauptprogramm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.7 Default-Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
8.8 C++ Ein- und Ausgabe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

9 Vererbung 136
9.1 Motivation: Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

4
 9.2 Implementation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.3 Öffentliche Vererbung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
9.4 Beispiel zu public/private und öffentlicher Vererbung . . . . . . . . . . . . 139
9.5 Ist-ein-Beziehung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
9.6 Konstruktoren, Destruktor und Zuweisungsoperatoren . . . . . . . . . . . . 140
9.7 Auswertung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.8 Weitere Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.9 Gleichheit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
9.10 Benutzung von Polynomial . . . . . . . . . . . . . . . . . . . . . . . . . . 143
9.11 Diskussion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
9.12 Private Vererbung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
9.13 Methodenauswahl und virtuelle Funktionen . . . . . . . . . . . . . . . . . . 145

10 Abstrakte Klassen 148

10.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
10.2 Schnittstellenbasisklassen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
10.3 Beispiel: geometrische Formen . . . . . . . . . . . . . . . . . . . . . . . . . 150
10.4 Beispiel: Funktoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
10.5 Beispiel: Exotische Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
10.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

11 Generische Programmierung 160

11.1 Funktionsschablonen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
11.2 Klassenschablonen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
11.3 Effizienz generischer Programmierung . . . . . . . . . . . . . . . . . . . . . 169
11.4 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178

12 Containerklassen 178
12.1 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 178
12.2 Listenschablone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
12.3 Iteratoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181
12.4 Doppelt verkettete Liste . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
12.5 Feld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
12.6 Stack . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
12.7 Queue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
12.8 DeQueue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
12.9 Prioritätswarteschlangen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
12.10Set . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
12.11Map . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
12.12Anwendung: Huffman-Code . . . . . . . . . . . . . . . . . . . . . . . . . . 201

13 Effiziente Algorithmen und Datenstrukturen 206

13.1 Heap . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
13.2 Sortierverfahren mit quadratischer Komplexität . . . . . . . . . . . . . . . 211
13.3 Sortierverfahren optimaler Ordnung . . . . . . . . . . . . . . . . . . . . . . 213
13.4 Suchen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220

5
14 Beispiel: Logiksimulator 231
14.1 Simulation komplexer Systeme . . . . . . . . . . . . . . . . . . . . . . . . . 231
14.2 Grundbausteine digitaler Schaltungen . . . . . . . . . . . . . . . . . . . . . 232
14.3 Reale Gatter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
14.4 Schaltnetze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
14.5 Schaltwerke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
14.6 Der Simulator . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236

15 Verschiedenes 253
15.1 Rechtliches . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
15.2 Software-Technik (Software-Engineering) . . . . . . . . . . . . . . . . . . . 254
15.3 Wie werde ich ein guter Programmierer? . . . . . . . . . . . . . . . . . . . 256

6
1 Grundbegriffe
Diese Vorlesung: Ein kleiner Ausflug in die Theoretische Informatik.
Diese untersucht (neben anderen Dingen) die Frage ,,Was ist berechenbar”?
Dafür ist eine Formalisierung des Rechenbegriffes notwendig.
Inhalt:
• Textersetzungssysteme
• Graphen und Bäume
• Turingmaschine

1.1 Formale Systeme: MIU

Im folgenden betrachten wir Zeichenketten über einem Alphabet.
Ein Alphabet A ist eine endliche, nichtleere Menge (manchmal verlangt man zusätzlich,
dass die Menge geordnet ist). Die Elemente von A nennen wir Zeichen (oder Symbole).
Eine endliche Folge nicht notwendigerweise verschiedener Zeichen aus A nennt man ein
Wort. Das leere Wort  besteht aus keinem einzigen Zeichen. Es ist ein Symbol für
Nichts“.
”
Die Menge aller möglichen Wörter inklusive dem leeren Wort wird als freies Monoid A∗
bezeichnet.
Beispiel: {0, 1}∗ = {, 0, 1, 00, 01, 10, 11, 000, . . .}
Formale Systeme dienen der Beschreibung interessanter Teilmengen von A∗ .
Definition: Ein formales System ist ein System von Wörtern und Regeln. Die Regeln
sind Vorschriften für die Umwandlung eines Wortes in ein anderes.
Mathematisch: F = (A, B, X , R), wobei
• A das Alphabet,
• B ⊆ A∗ die Menge der wohlgebildeten Worte,
• X ⊂ B die Menge der Axiome und
• R die Menge der Produktionsregeln
sind. Ausgehend von X werden durch Anwendung von Regeln aus R alle wohlgeformten
Wörter B erzeugt.
Formale Systeme entstanden Anfang des 20. Jahrhunderts im Rahmen der Formalisierung
der Mathematik. Ziel war es ein System zu schaffen mit dem alle mathematischen Sätze
(wahre Aussagen über einen mathematischen Sachverhalt, möglicherweise in Teilgebieten
der Mathematik) aus einem kleinen Satz von Axiomen mittels Regeln hergeleitet werden
können (Hilbertprogramm1 ).
Wir betrachten hier formale System nur im Sinne formaler Sprachen“, die später noch
”
ausführlicher behandelt werden.
1
David Hilbert, dt. Mathematiker, 1862–1943.

7
Beispiel: MIU-System (aus [Hofstadter2 , 2007])

Das MIU-System handelt von Wörtern, die nur aus den drei Buchstaben M, I, und U
bestehen.
• AMIU = {M, I, U}.
• XMIU = {MI}.
• RMIU enthält die Regeln:
1. MxI → MxIU. Hierbei ist x ∈ A∗MIU irgendein Wort oder .
Beispiel: MI → MIU. Man sagt MIU wird aus MI abgeleitet.
2. Mx → Mxx.
Beispiele: MI → MII, MIUUI → MIUUIIUUI.
3. xIIIy → xUy (x, y ∈ A∗MIU ).
Beispiele: MIII → MU, UIIIIM → UUIM, UIIIIM → UIUM.
4. xUUy → xy.
Beispiele: UUU → U, MUUUIII → MUIII.
• BMIU sind dann alle Worte die ausgehend von den Elementen von X mithilfe der
Regeln aus R erzeugt werden können, also
B = {MI, MIU, MIUUI, . . .}.

Beobachtung: BMIU enthält offenbar unendlich viele Worte.

Problem: (MU-Rätsel) Ist MU ein Wort des MIU-Systems?

Oder mathematisch: MU ∈ BMIU ?

Systematische Erzeugung aller Worte des MIU-Systems

Dies führt auf folgende Baumstruktur:

MI
1 2

MIU MII
1 2
2

MIUIU MIIU MIIII

2 2 3
1 2 3

MIUIUIUIU MIIUIIU MIIIIU MIIIIIIII MUI MIU

2 2 ....

2
Douglas R. Hofstadter, US-amerk. Physiker, Informatiker und Kognitionswissenschaftler, geb. 1945.

8
Beschreibung: Ganz oben steht das Anfangswort MI. Auf MI sind nur die Regeln 1 und
2 anwendbar. Die damit erzeugten Wörter stehen in der zweiten Zeile. Ein Pfeil bedeutet,
dass ein Wort aus dem anderen ableitbar ist. Die Zahl an dem Pfeil ist die Nummer der
angewendeten Regel. In der dritten Zeile stehen alle Wörter, die durch Anwendung von
zwei Regeln erzeugt werden können, usw.

Bemerkung: Wenn man den Baum in dieser Reihenfolge durchgeht (Breitendurchlauf),

so erzeugt man nach und nach alle Wörter des MIU-Systems.

Folgerung: Falls MU ∈ BMIU , wird dieses Verfahren in endlicher Zeit die Antwort liefern.
Wenn dagegen MU 6∈ BMIU , so werden wir es mit obigem Verfahren nie erfahren!

Sprechweise: Man sagt: Die Menge BMIU ist rekursiv aufzählbar.

Frage: Wie löst man nun das MU-Rätsel?

Lösung des MU-Rätsels

Zur Lösung muss man Eigenschaften der Wörter in BMIU analysieren.

Beobachtung: Alle Ketten haben immer M vorne. Auch gibt es nur dieses eine M, das
man genausogut hätte weglassen können. Hofstadter wollte aber das Wort MU herausbe-
kommen, das in Zen-Koans eine Rolle spielt:
Ein Mönch fragte einst Meister Chao-chou:
Hat ein Hund wirklich Buddha-Wesen oder nicht?“
”
Chao-chou sagte: Mu.“
”
Beobachtung: Die Zahl der I in einzelnen Worten ist niemals ein Vielfaches von 3, also
auch nicht 0.

Beweis: Ersieht man leicht aus den Regeln, sei anzahli(n) die Anzahl der I nach Anwen-
dung von n Regeln, n ∈ N0 . Dann gilt:


 1 n = 0, Axiom,
anzahli(n − 1) n > 0, Regel 1, 4,

anzahli(n) =

 anzahli(n − 1) · 2 n > 0, Regel 2,
anzahli(n − 1) − 3 n > 0, Regel 3


Ist anzahli(n − 1) mod 3 6= 0, so gilt dies auch nach Anwendung einer beliebigen Regel.

Von Graphen und Bäumen

Der Baum ist eine sehr wichtige Struktur in der Informatik und ein Spezialfall eines
Graphen.
Definition: Ein Graph G = (V, E) besteht aus
• einer nichtleeren Menge V , der sogenannten Menge der Knoten, sowie

9
 • der Menge der Kanten E ⊆ V × V .
V × V = {(v, w) : v, w ∈ V } bezeichnet das kartesische Produkt.
Teilmengen von V × V bezeichnet man auch als Relationen.
Beispiel: Gleichheit als Relation. Sei V eine Menge (dies impliziert, dass alle Elemente
verschieden sind). Setze

E= = {(v, w) ∈ V × V : v = w}.

Dann gilt v = w ⇔ (v, w) ∈ E= .

Wichtige Spezialfälle von Graphen sind:
• Ungerichter Graph: (v, w) ∈ E ⇒ (w, v) ∈ E. Sonst heisst der Graph gerichtet.
• Verbundener Graph: Ein ungerichteter Graph heisst verbunden, falls jeder Knoten
von jedem anderen Knoten über eine Folge von Kanten erreichbar ist. Bei einem
gerichteten Graphen ergänze erst alle Kanten der Gegenrichtung und wende dann
die Definition an.
• Zyklischer Graph: Es gibt, ausgehend von einem Knoten, eine Folge von Kanten mit
der man wieder beim Ausgangsknoten landet.
Definition: Wir definieren die Menge der Bäume rekursiv über die Anzahl der Knoten
als Teilmenge aller möglicher Graphen.
• ( {v} , ∅ ) ist ein Baum.
• Sei B = (V, E) ein Baum, so ist B 0 = (V 0 , E 0 ) ebenfalls ein Baum, wenn

V 0 = V ∪ {v}, v 6∈ V, E 0 = E ∪ {(w, v) : w ∈ V }.

Man hängt also einen neuen Knoten an genau einen Knoten des existierenden Bau-
mes an. v heisst Kind und w wollen wir geschlechtsneutral als Elter von v bezeichnen.

Bemerkung: Auch andere Definitionen sind möglich, etwa als zyklenfreier, verbundener
Graph.

Bezeichnung:
• Jeder Baum besitzt genau einen Knoten, der keine eingehenden Kanten hat. Dieser
heisst Wurzel.
• Knoten ohne ausgehende Kanten heissen Blätter, alle anderen Knoten heissen innere
Knoten
• Ein Baum bei dem jeder innere Knoten höchstens zwei Kinder hat heisst Binärbaum.

Beobachtung: Ein Baum ist verbunden. Es gibt genau einen Weg von der Wurzel zu
jedem Blatt.

10
1.2 Turingmaschine
Als weiteres Beispiel für ein Regelsystem“ betrachten wir die Turingmaschine (TM).
”
Diese wurde 1936 von Alan Turing3 zum theoretischen Studium der Berechenbarkeit ein-
geführt.
Wissen: Der sogenannte Turing-Preis (Turing Award) ist so etwas wie der Nobelpreis
”
der Informatik“.
Eine TM besteht aus einem festen Teil ( Hardware“) und einem variablen Teil ( Softwa-
” ”
re“). TM bezeichnet somit nicht eine Maschine, die genau eine Sache tut, sondern ist ein
allgemeines Konzept, welches eine ganze Menge von verschiedenen Maschinen definiert.
Alle Maschinen sind aber nach einem festen Schema aufgebaut.
Die Hardware besteht aus einem einseitig unendlich langen Band welches aus einzelnen
Feldern besteht, einem Schreib-/Lesekopf und der Steuerung. Jedes Feld des Bandes trägt
ein Zeichen aus einem frei wählbaren (aber für eine Maschine festen) Bandalphabet (Men-
ge von Zeichen). Der Schreib-/Lesekopf ist auf ein Feld positioniert, welches dann gelesen
oder geschrieben werden kann. Die Steuerung enthält den variablen Teil der Maschine
und wird nun beschrieben.
Diese Beschreibung suggeriert, dass eine TM als eine Art primitiver Computer verstanden
werden kann. Dies war aber nicht die Absicht von Alan Turing. Er verstand diese als
Gedankenmodell um die Berechenbarkeit von Funktionen zu studieren.

a a a a an
1 2 3 4

Band bestehend aus Feldern Schreib/

Lesekopf

Steuerung
(Programm)

Die Steuerung, der variable Teil der Maschine, befindet sich in einem von endlich vielen
Zuständen und arbeitet wie folgt:
1. Am Anfang befindet sich die Maschine im sog. Startzustand, das Band ist mit einer
Eingabe belegt und die Position des Schreib-/Lesekopfes ist festgelegt.
2. Lese das Zeichen unter dem Lesekopf vom Band.
3. Abhängig vom gelesenen Zeichen und dem aktuellen Zustand der Steuerung führe
alle folgende Aktionen aus:
3
Alan Turing, brit. Mathematiker, 1912–1954.

11
 • Schreibe ein Zeichen auf das Band,
• bewege den Schreib-/Lesekopf um ein Feld nach links oder rechts,
• überführe die Steuerung in einen neuen Zustand.
4. Wiederhole diese Schritte solange bis ein spezieller Endzustand erreicht wird.
Die auszuführenden Aktionen kann man in einer Übergangstabelle notieren. Diese Tabelle
nennt man auch Programm.
Beispiel:

Zustand Eingabe Operation Folgezustand

1 0 0,links 2
2 1 1,rechts 1

Jede Zeile der Tabelle beschreibt die auszuführenden Aktionen für eine Eingabe/Zustand-
Kombination. Links vom Doppelbalken stehen Eingabe und Zustand, rechts davon Aus-
gabe, Bewegungsrichtung und Folgezustand.
Beispiel: Löschen einer Einserkette. Das Bandalphabet enthalte nur die Zeichen 0 und
1. Zu Beginn der Bearbeitung habe das Band folgende Gestalt:

1 1 ... 1 0 ...

n >= 1 Einsen

Der Kopf steht zu Beginn auf der Eins ganz links. Folgendes Programm mit zwei Zuständen
löscht die Einserkette und stoppt:

Zustand Eingabe Operation Folgezustand Bemerkung

1 1 0,rechts 1 Anfangszustand
0 0,rechts 2
2 Endzustand

Beispiel: Raten Sie was folgendes Programm macht:

Zustand Eingabe Operation Folgezustand Bemerkung

1 1 0,rechts 2 Anfangszustand
0 0,rechts 4
2 1 1,rechts 2
0 1,links 3
3 1 1,links 3
0 0,rechts 2
4 Endzustand

12
TM-Programme lassen sich übersichtlicher als Übergangsgraph darstellen. Jeder Knoten
ist ein Zustand. Jeder Pfeil entspricht einer Zeile der Tabelle. Hier das Programm des
vorigen Beispiels als Graph:

0 | 0,rechts
1* 4

1 | 0,rechts

1 | 1,rechts 1 | 1, links

0 | 1, links
2 3

0 | 0, rechts

Beispiel: Verdoppeln einer Einserkette. Eingabe: n Einsen wie in Beispiel 1. Am Ende

der Berechnung sollen ganz links 2n Einsen stehen, sonst nur Nullen.
Wie löst man das mit einer TM? Hier eine Idee:

Eingabe 1 1 ... 1 0

Markiere erste ...

X 1 1 Y 0
und zweite Kette

Kopiere 1 ... 1 X 1 ... 1 Y 1 ... 1 0 ...

schon noch zweite Kette

kopiert wird kopieren
kopiert

Das komplette Programm ist schon ganz schön kompliziert und sieht so aus:

13
 1*

1 | X, rechts

1 | 1, rechts
2

0 | Y, links
8

Y | Y, links 3
X | 1, rechts
Y | 1, rechts
1 | 1, links

1 | 1, links
7 4

1 | X, rechts
0 | 1, links
1 | 1, rechts 1 | 1, rechts

6 5
Y | Y, rechts

Bemerkung: Wir erkennen die drei wesentlichen Komponenten von Berechnungsprozes-

sen:
• Grundoperationen
• Selektion
• Wiederholung

1.3 Problem, Algorithmus, Programm

Definition: Ein Problem ist eine zu lösende Aufgabe. Wir sind daran interessiert Ver-
fahren zu finden, die Aufgaben in einer Klasse von Problemen zu lösen. Das konkrete zu
lösende Problem wird mittels Eingabeparameter ausgewählt.

Beispiel: Finde die kleinste von n ≥ 1 Zahlen x1 , . . . , xn , xi ∈ N.

Definition: Ein Algorithmus beschreibt, wie ein Problem einer Problemklasse mittels
einer Abfolge bekannter Einzelschritte gelöst werden kann. Beispiele aus dem Alltag, wie
Kochrezepte oder Aufbauanleitungen für Abholmöbel erinnern an Algorithmen, sind aber
oft nicht allgemein und unpräzise.

Beispiel: Das Minimum von n Zahlen könnte man so finden: Setze min = x1 . Falls n = 1
ist man fertig. Ansonsten teste der Reihe nach für i = 2, 3, . . . , n ob xi < min. Falls ja,
setze min = xi .

14
Ein Algorithmus muss gewisse Eigenschaften erfüllen:
• Ein Algorithmus beschreibt ein generelles Verfahren zur Lösung einer Schar von
Problemen.
• Trotzdem soll die Beschreibung des Algorithmus endlich sein. Nicht erlaubt ist also
z. B. eine unendlich lange Liste von Fallunterscheidungen.
• Ein Algorithmus besteht aus einzelnen Elementaroperationen, deren Ausführung
bekannt und endlich ist. Als Elementaroperationen sind also keine Orakel“ erlaubt.
”
Bemerkung: Spezielle Algorithmen sind:
• Terminierende Algorithmen: Der Algorithmus stoppt für jede zulässige Eingabe nach
endlicher Zeit.
• Deterministische Algorithmen: In jedem Schritt ist bekannt, welcher Schritt als
nächstes ausgeführt wird.
• Determinierte Algorithmen: Algorithmus liefert bei gleicher Eingabe stets das gleiche
Ergebnis. Ein terminierender, deterministischer Algorithmus ist immer determiniert.
Terminierende, nichtdeterministische Algorithmen können determiniert sein oder
nicht.

Definition: Ein Programm ist eine Formalisierung eines Algorithmus. Ein Programm
kann auf einer Maschine (z. B. TM) ausgeführt werden.

Beispiel: Das Minimum von n Zahlen kann mit einer TM berechnet werden. Die Zahlen
werden dazu in geeigneter Form kodiert (z. B. als Einserketten) auf das Eingabeband
geschrieben.
Wir haben also das Schema: Problem =⇒ Algorithmus =⇒ Programm.
Die Informatik beschäftigt sich damit algorithmische Problemlösungen systematisch zu
finden:
• Zunächst muss das Problem analysiert und möglichst präzise formuliert werden.
Dieser Schritt wird auch als Modellierung bezeichnet.
• Im folgenden entwirft man einen effizienten Algorithmus zur Lösung des Problems.
Dieser Schritt ist von zentralem Interesse für die Informatik.
• Schließlich muss der Algorithmus als Computerprogramm formuliert werden, wel-
ches auf einer konkreten Maschine ausgeführt werden kann.

1.4 Berechenbarkeit und Turing-Äquivalenz

Es sei A das Bandalphabet einer TM. Wir können uns die Berechnung einer konkreten
TM (d. h. gegebenes Programm) auch als Abbildung vorstellen:

f : A∗ → A∗ .

Hält die TM für einen Eingabewert nicht an, so sei der Wert von f undefiniert.
Dies motiviert folgende allgemeine

15
Definition: Eine Funktion f : E → A heisst berechenbar, wenn es einen Algorithmus
gibt, der für jede Eingabe e ∈ E, für die f (e) definiert ist, terminiert und das Ergebnis
f (e) ∈ A liefert.
Welche Funktionen sind in diesem Sinne berechenbar?
Auf einem PC mit unendlich viel Speicher könnte man mit Leichtigkeit eine TM simulie-
ren. Das bedeutet, dass man zu jeder TM ein äquivalentes PC-Programm erzeugen kann,
welches das Verhalten der TM Schritt für Schritt nachvollzieht. Ein PC (mit unendlich
viel Speicher) kann daher alles berechnen, was eine TM berechnen kann.
Interessanter ist aber, dass man zeigen kann, dass die TM trotz ihrer Einfachheit alle
Berechnungen durchführen kann, zu denen der PC in der Lage ist. Zu einem PC mit
gegebenem Programm kann man also eine TM angeben, die die Berechnung des PCs
nachvollzieht! Computer und TM können dieselbe Klasse von Problemen berechnen!
Bemerkung: Im Laufe von Jahrzehnten hat man viele (theoretische und praktische)
Berechnungsmodelle erfunden. Die TM ist nur eines davon. Jedes Mal hat sich herausge-
stellt: Hat eine Maschine gewisse Mindesteigenschaften, so kann sie genausoviel wie eine
TM berechnen. Dies nennt man Turing-Äquivalenz.
Die Church’sche4 These lautet daher:
Alles was man für intuitiv berechenbar hält kann man mit einer TM ausrech-
nen.
Dabei heißt intuitiv berechenbar, dass man einen Algorithmus dafür angeben kann.
Mehr dazu in Theoretische Informatik.
Folgerung: Berechenbare Probleme kann man mit fast jeder Computersprache lösen.
Unterschiede bestehen aber in der Länge und Eleganz der dafür nötigen Programme,
sowie der zur Erstellung notwendigen Zeit (Auch die Effizienz ihrer Ausführung kann sehr
unterschiedlich sein, allerdings hängt dieser Punkt sehr von der Compilerimplementation
ab.)

Bemerkung: Es gibt auch nicht berechenbare Probleme! So kann man z. B. keine TM

angeben, die für jede gegebene TM entscheidet, ob diese den Endzustand erreicht oder
nicht (Halteproblem).
Dieses Problem ist aber noch partiell-berechenbar, d. h. für jede terminierende TM erfährt
man dies nach endlicher Zeit, für jede nicht-terminierende TM erfährt man aber kein
Ergebnis.

1.5 Reale Computer

Algorithmen waren schon vor der Entwicklung unserer heutigen Computer bekannt, aller-
dings haperte es mit der Ausführung. Zunächst arbeiteten Menschen als Computer“!
”

4
Alonzo Curch, US-amerikanischer Mathematiker, Logiker und Philosoph, 1903–1995

16
 • Lewis Fry Richardson5 schlägt in seinem Buch Weather Prediction by Arithmetical
Finite Differences vor, das Wetter für den nächsten Tag mit 64000 (!) menschlichen
Computern auszurechnen. Der Vorschlag wird als unpraktikabel verworfen.
• In Los Alamos werden Lochkartenmaschinen und menschliche Rechner für Berech-
nungen eingesetzt. Richard Feynman6 organisierte sogar einen Wettbewerb zwischen
beiden.
Der Startpunkt der Entwicklung realer Computer stimmt (zufällig?) relativ genau mit der
Entwicklung theoretischer Berechenbarkeitskonzepte durch Church und Turing überein.
Dabei verstehen wir Computer bzw. (Universal-)Rechner als Maschinen zur Ausführung
beliebiger Algorithmen in obigem Sinne (d. h. sie können nicht nur“ rechnen im Sinne
”
arithmetischer Operationen).
Einige der wichtigsten frühen Rechenmaschinen waren:
• Zuse Z3, Mai 1941, mechanisch, turing-vollständig (aber nicht als solcher konstru-
iert), binäre Gleitkommaarithmetik
• Atanasoff-Berry-Computer, Sommer 1941, elektronisch (Röhren), nicht turing-mächtig,
gebaut zur Lösung linearer Gleichungssysteme (29 × 29)
• Colossus, 1943, elektronisch, nicht turing-mächtig, Kryptographie
• Mark 1, 1944, mechanisch, turing-vollständig, Ballisitik
• ENIAC, 1946, elektronisch, turing-vollständig, Ballistik
• EDVAC, 1949, elektronisch, turing-vollständig, Ballistik, erste Von-Neumann-Architektur“
”
Praktische Computer basieren meist auf dem von John von Neumann 1945 im Rahmen der
EDVAC-Entwicklung eingeführten Konzept. Es ist umstritten welche der Ideen tatsächlich
genau von ihm sind.
Geschichte: John von Neumann7 war einer der bedeutendsten Mathematiker. Von ihm
stammt die Spieltheorie, die mathematische Begründung der Quantenmechanik, sowie
wichtige Beiträge zu Informatik und Numerik.
Der Speicher M besteht aus endlich vielen Feldern, von denen jedes eine Zahl aufneh-
men kann. Im Unterschied zur TM kann auf jedes Feld ohne vorherige Positionierung
zugegriffen werden (wahlfreier Zugriff, random access).
Zum Zugriff auf den Speicher wird ein Index, auch Adresse genannt, verwendet, d. h. wir
können den Speicher als Abbildung

M :A→D

auffassen.
Für die Adressen gilt A = [0, N − 1] ⊂ N0 wobei aufgrund der binären Organisation
N = 2n gilt. n ist die Anzahl der erforderlichen Adressleitungen.

5
Lewis Fry Richardson, brit. Meteorologe, 1881–1953.
6
Richard P. Feynman, US-amerik. Physiker, Nobelpreis 1965, 1918–1988.
7
János Neumann Margittai, Mathematiker österreichisch-ungarischer Herkunft, 1903–1957.

17
 Instruktions−
Register
einheit
steuert IU
Rechenwerk Befehlszähler
ALU
Prozessor
(CPU)

Daten, Adressen Befehle, Adressen

Speicher M

Abbildung 1: Grobe Struktur der von-Neumann-Architektur.

Für D gilt D = [0, 2m − 1] mit der Wortbreite m, die meistens ein Vielfaches von 8 ist. m
ist die Anzahl der erforderlichen Datenleitungen.
Die Gesamtkapazität des Speichers ist demnach m · 2n Bit. Jedes Bit kann zwei Werte
annehmen, 0 oder 1. In der Praxis wird die Größe des Speichers in Byte angegeben,
wobei ein Byte aus 8 Bit besteht. Damit enthält ein Speicher mit n Adressleitungen bei
Wortbreite m genau (m/8) · 2n Byte.
Gebräuchlich sind auch noch die Abkürzungen 1 Kilobyte = 210 Byte = 1024 Byte, 1
Megabyte = 220 Byte, 1 Gigabyte = 230 Byte.
Der Speicher enthält sowohl Daten (das Band in der TM) als auch Programm (die Ta-
belle in der TM). Den einzelnen Zeilen der Programmtabelle der TM entsprechen beim
von Neumannschen Rechner die Befehle. Die Vereinigung von Daten und Programm im
Speicher (stored program computer) war der wesentliche Unterschied zu den früheren
Ansätzen.
Befehle werden von der Instruktionseinheit (instruction unit, IU) gelesen und dekodiert.
Die Instruktionseinheit steuert das Rechenwerk, welches noch zusätzliche Daten aus dem
Speicher liest bzw. Ergebnisse zurückschreibt.
Die Maschine arbeitet zyklisch die folgenden Aktionen ab:
• Befehl holen
• Befehl dekodieren
• Befehl ausführen
Dies nennt man Befehlszyklus. Viel mehr über Rechnerhardware erfährt man in der Vor-
lesung Technische Informatik“.
”
Bemerkung: Hier wurde insbesondere die Interaktion von Rechnern mit der Umwelt,
die sog. Ein- und Ausgabe, in der Betrachtung vernachlässigt. Moderne Rechner haben
insbesondere die Fähigkeit, auf äußere Einwirkungen hin (etwa Tastendruck) den Pro-
grammfluss zu unterbrechen und an anderer Stelle (Turingmaschine: in anderem Zustand)

18
wieder aufzunehmen. Von Neumann hat die Ein-/Ausgabe im Design des EDVAC schon
ausführlich beschrieben.

Bemerkung: Heutige Rechner sind wesentlich komplizierter als dieses einfache Modell.
Insbesondere sind viele Möglichkeiten der parallelen Verarbeitung enthalten. Wichtige
Konzepte in modernen Rechnern sind:
• Hierarchisch organisierter Speicher mit Caches
• Pipelining des Befehlsholzyklus
• SIMD Instruktionen, Superskalarität
• Multicorerechner

1.6 Programmiersprachen
Die Befehle, die der Prozessor ausführt, nennt man Maschinenbefehle oder auch Maschi-
nensprache. Sie ist relativ umständlich, und es ist sehr mühsam größere Programme darin
zu schreiben. Andererseits können ausgefeilte Programme sehr kompakt sein und sehr
effizient ausgeführt werden.
Beispiel: Ein Schachprogramm auf einem 6502-Prozessor findet man unter
[Link]
Es benötigt weniger als 1KB an Speicher!
Die weitaus meisten Programme werden heute in sogenannten höheren Programmier-
sprachen erstellt. Sinn einer solchen Sprache ist, dass der Programmierer Programme
möglichst
• schnell (in Sinne benötigter Programmiererzeit) und
• korrekt (Programm löst Problem korrekt)
erstellen kann.
Wir lernen in dieser Vorlesung die Sprache C++. C++ ist eine Weiterentwicklung der
Sprache C, die Ende der 1960er Jahre entwickelt wurde.
Programme in einer Hochsprache lassen sich automatisch in Programme der Maschinen-
sprache übersetzen. Ein Programm, das dies tut, nennt man Übersetzer oder Compiler.
Ein Vorteil dieses Vorgehens ist auch, dass Programme der Hochsprache in verschiedene
Maschinensprachen (Portabilität) übersetzt und andererseits verschiedene Hochsprachen
auch in ein und dieselbe Maschinensprache übersetzt werden können (Flexibilität).
Es gibt auch sog. interpretierte Sprachen. Dort werden die Anweisungen der Hochsprache
während der Ausführung ,,on the fly” in Maschinensprache übersetzt. Beispiele: Python,
Shell, Basic.
Schließlich gibt es Mischformen, bei denen von der Hochsprache in eine Zwischensprache
übersetzt wird, die dann interpretiert wird. Beispiel: Java.
Abbildung 2 zeigt die notwendigen Schritte bei der Programmerstellung im Überblick.

19
 Problem

Editor
Idee C++ Programm
(auf Papier) Programm-
text in
Arbeit
Algorithmus Datei

geht nicht Compiler

01001
01100

Prozessor Maschinen-
geht ! programm

Abbildung 2: Workflow bei der Programmerstellung.

Warum gibt es verschiedene Programmiersprachen ? Wie bei der Umgangssprache:

teils sind Unterschiede historisch gewachsen, teils sind die Sprachen wie Fachsprachen auf
verschiedene Problemstellungen hin optimiert.
Andererseits sind die Grundkonzepte in vielen prozeduralen bzw. objektorientierten Spra-
chen sehr ähnlich. Eine neue Sprache in dieser Klasse kann relativ leicht erlernt werden.

1.7 Komplexität von Programmen

Die Leistungsfähigkeit von Computern wächst schnell.
Wissen: (Moore’sches8 Gesetz“)
”
Die Anzahl der Transistoren pro Flächeneinheit auf einem Halbleiterchip verdoppelt sich
etwa alle 18–24 Monate.
Beispiel: Entwicklung von Taktgeschwindigkeit, Speichergröße und Größe des Linux-
Kernel.
Zeit Proz Takt RAM Disk Linux Kernel (.[Link])
1982 Z80 6 64KB 800KB 6KB (CPM)
1988 80286 10 1MB 20MB 20KB (DOS)
1992 80486 25 20MB 160MB 140KB (0.95)
1995 PII 100 128MB 2GB 2.4MB (1.3.0)
1999 PII 400 512MB 10GB 13.2MB (2.3.0)
2001 PIII 850 512MB 32GB 23.2MB (2.4.0)
2004 P4 (Prescott) 3.8 GHz 2048 MB 250 GB 36 MB (2.4.26)
2010 i7 (Westmere) 3.5 GHz 8196 MB 1024 GB 84 MB ([Link])
8
Gordon E. Moore, US-amerk. Unternehmer (Mitbegründer der F. Intel), geb. 1929.

20
Bis 2001 exponentielles Wachstum. Prozessortaktfrequenz stagniert seit 2004. Wachstum
des Linux-Kernel ist auch abgeflacht.
Grenzen der Hardwareentwicklung:
• Je höher die Takfrquenz desto höher die Wärmeentwicklung.
• Mehr an Transistoren wird in viele unabhängige Cores gesteckt.
• Erfordert parallele Programmierung.
Grenzen der Softwareentwicklung:
• Die benötigte Zeit zum Erstellen großer Programme skaliert mehr als linear, d. h.
zum Erstellen eines doppelt so großen Programmes braucht man mehr als doppelt
so lange.
• Verbesserte Programmiertechnik, Sprachen und Softwareentwurfsprozesse. Einen
wesentlichen Beitrag leistet hier die objektorientierte Programmierung, die wir in
dieser Vorlesung am Beispiel von C++ erlernen werden.

2 Funktionale Programmierung

2.1 Auswertung von Ausdrücken

Arithmetische Ausdrücke

Beispiel: Auswertung von:

5 + 3 oder ((3 + (5 ∗ 8)) − (16 ∗ (7 + 9))).

Programm: (Erste Schritte [[Link]])

#include ” f c p p . hh”

int main ( )
{
return p r i n t ( (3+(5∗8) ) − (16∗(7+9) ) ) ;
}

Übersetzen (in Unix-Shell):

> g++ -o erstes [Link]

Ausführung:

> ./erstes
-213

21
Bemerkung:
• Ohne -o erstes“ wäre der Name [Link]“ verwendet worden.
” ”
• Das Programm berechnet den Wert des Ausdrucks und druckt ihn auf der Konsole
aus.

Wie wertet der Rechner so einen Ausdruck aus?

Die Auswertung eines zusammengesetzten Ausdruckes lässt sich auf die Auswertung der
vier elementaren Rechenoperationen +, −, ∗ und / zurückführen.
Dazu fassen wir die Grundoperationen als zweistellige Funktionen auf:
+, −, ∗, / : Z × Z → Z.

Jeden Ausdruck können wir dann äquivalent umformen:

((3 + (5 ∗ 8)) − (16 ∗ (7 + 9))) ≡ −(+(3, ∗(5, 8)), ∗(16, +(7, 9))).

Definition: Die linke Schreibweise nennt man Infix-Schreibweise (infix notation), die
rechte Präfix-Schreibweise (prefix notation).

Bemerkung: Die Infix-Schreibweise ist für arithmetische Ausdrücke bei Hinzunahme von
Präzedenzregeln wie Punkt vor Strich“ und dem Ausnutzen des Assoziativgesetzes kürzer
”
(da Klammern wegelassen werden können) und leichter lesbar als die Präfix-Schreibweise.

Bemerkung: Es gibt auch eine Postfix-Schreibweise, welche zum Beispiel in HP-Taschen-

rechnern, dem Emacs-Programm Calc“ oder der Computersprache Forth verwendet wird.
”

Die vier Grundoperationen +, −, ∗, / betrachten wir als atomar. Im Rechner gibt es ent-
sprechende Baugruppen, die diese atomaren Operationen realisieren.
Der Compiler übersetzt den Ausdruck aus der Infix-Schreibweise in die äquivalente Präfix-
schreibweise. Die Auswertung des Ausdrucks, d. h. die Berechnung der Funktionen, erfolgt
dann von innen nach aussen:

-(+(3,*(5,8)),*(16,+(7,9)))
= -(+(3, 40 ),*(16,+(7,9)))
= -( 43 ,*(16,+(7,9)))
= -( 43 ,*(16, 16 ))
= -( 43 , 256 )
= -213

Bemerkung: Dies ist nicht die einzig mögliche Reihenfolge der Auswertung der Teilope-
rationen, alle Reihenfolgen führen jedoch zum gleichen Ergebnis! (Zumindest bei nicht zu
großen, ganzen Zahlen).

Bemerkung: C++ kennt die Punkt-vor-Strich-Regel und das Assoziativgesetz. Überflüssige

Klammern können also weggelassen werden.

22
Ausdrücke als Bäume

Jeder arithmetische Ausdruck kann als binärer Baum dargestellt werden. Die Auswertung
des Ausdruckes erfolgt dann von den Blättern zur Wurzel. In dieser Darstellung erkennt
man welche Ausführungsreihenfolgen möglich sind bzw. welche Teilausdrück gleichzeitig
ausgewertet werden können (Datenflussgraph).

+ ∗

3 ∗ 16 +

5 8 9 7

2.2 Funktionen
Zu den schon eingebauten Funktionen wie +, −, ∗, / kann man noch weitere benutzerde-
finierte Funktionen hinzuzufügen.
Beispiel: Eine einstellige Funktion:

int quadrat ( int x )

{
return x∗x ;
}

Die erste Zeile (Funktionskopf) vereinbart, dass die neue Funktion namens quadrat als
Argument eine Zahl mit Namen x vom Typ int als Eingabe bekommt und einen Wert
vom Typ int als Ergebnis liefert.
Der Funktionsrumpf (body) zwischen geschweiften Klammern sagt, was die Funktion tut.
Der Ausdruck nach return ist der Rückgabewert.
Wir werden uns zunächst auf einen sehr kleinen Teil des Sprachumfangs von C/C++
beschränken. Dort besteht der Funktionsrumpf nur aus dem Wort return gefolgt von
einem Ausdruck gefolgt von einem Semikolon.
Bemerkung: C++ ist eine streng typgebundene Programmiersprache (strongly typed ),
d. h. jedem Bezeichner (z. B. x oder quadrat) ist ein Typ zugeordnet. Diese Typzuordnung
kann nicht geändert werden (statische Typbindung, static typing).
Dies ist in völliger Analogie zur Mathematik:

x ∈ Z, f : N → N.

Bemerkung: Der Typ int entspricht dabei (kleinen) ganzen Zahlen. Andere Typen
sind float, double, char, bool. Später werden wir sehen, dass man auch neue Typen
hinzufügen kann.

23
Programm: (Verwendung [[Link]])

#include ” f c p p . hh”

int quadrat ( int x )

{
return x∗x ;
}

int main ( )
{
return p r i n t ( quadrat ( 3 ) + quadrat ( 4+4 ) ) ;
}

Bemerkung: Damit können wir die Bedeutung aller Elemente des Programmes verste-
hen.
• Neue Funktionen kann man (in C) nur in Präfix-Schreibweise verwenden.
• main ist eine Funktion ohne Argumente und mit Rückgabetyp int.
• #include ”[Link]” ist ein sogenannter Include-Befehl. Er sorgt dafür, dass die in
der Datei [Link] enthaltenen Erweiterungen von C++, etwa zusätzliche Funktio-
nen, verwendet werden können. [Link] ist nicht Teil des C++ Systems, sondern
wird von uns für die Vorlesung zur Verfügung gestellt (erhältlich auf der Webseite).
Achtung: Die Datei muss sich im selben Verzeichnis befinden wie das zu übersetzende
Programm damit der Compiler diese finden kann.
• print ist eine Funktion mit Rückgabewert 0 (unabhängig vom Argument), welche
den Wert des Arguments auf der Konsole ausdruckt (Seiteneffekt). Die Definition
dieser Funktion ist in der Datei [Link] enthalten.
• Die Programmausführung beginnt immer mit der Funktion main (sozusagen das
Startsymbol).

2.3 Selektion
Fehlt noch: Steuerung des Programmverlaufs in Abhängigkeit von Daten.
Beispiel: Betragsfunktion 
−x x < 0
|x| =
x x≥0

Um dies ausdrücken zu können, führen wir eine spezielle dreistellige Funktion cond ein:
Programm: (Absolutwert [[Link]])

#include ” f c p p . hh”

int a b s o l u t ( int x )
{

24
 return cond ( x<=0, −x , x ) ;
}

int main ( )
{
return p r i n t ( a b s o l u t ( −3 ) ) ;
}

Der Operator cond erhält drei Argumente: Einen Boolschen Ausdruck und zwei normale
Ausdrücke. Ein Boolscher Ausdruck hat einen der beiden Werte wahr“ oder falsch“
” ”
als Ergebnis. Ist der Wert wahr“, so ist das Resultat des cond-Operators der Wert des
”
zweiten Arguments, ansonsten der des dritten.
Bemerkung: cond kann keine einfache Funktion sein:
• cond kann auf verschiedene Typen angewendet werden, und auch der Typ des
Rückgabewerts steht nicht fest.
• Oft wird cond nicht alle Argumente auswerten dürfen, um nicht in Fehler oder
Endlosschleifen zu geraten.

Bemerkung: Damit haben wir bereits eine Menge von Konstrukten kennengelernt, die
turing-äquivalent ist!

2.4 Syntaxbeschreibung mit Backus-Naur Form

EBNF

Die Regeln nach denen wohlgeformte Sätze einer Sprache erzeugt werden, nennt man
Syntax.
Die Syntax von Programmiersprachen ist recht einfach. Zur Definition verwendet man
eine spezielle Schreibweise, die erweiterte Backus9 -Naur10 Form (EBNF):
Man unterscheidet in der EBNF folgende Zeichen bzw. Zeichenketten:
• Unterstrichene Zeichen oder Zeichenketten sind Teil der zu bildenden, wohlgeform-
ten Zeichenkette. Sie werden nicht mehr durch andere Zeichen ersetzt, deshalb nennt
man sie terminale Zeichen.
• Zeichenketten in spitzen Klammern, wie etwa < Z > oder < Ausdruck > oder <
Zahl >, sind Symbole für noch zu bildende Zeichenketten. Regeln beschreiben, wie
diese Symbole durch weitere Symbole und/oder terminale Zeichen ersetzt werden
können. Da diese Symbole immer ersetzt werden, nennt man sie nichtterminale
Symbole.
• <  > bezeichnet das leere Zeichen“.
”
• Die normal gesetzten Zeichen(ketten)
::= | { } }+ [ ]
9
John Backus, 1924–2007, US-amerik. Informatiker.
10
Peter Naur, geb. 1928, dänischer Informatiker.

25
 sind Teil der Regelbeschreibung und tauchen nie in abgeleiteten Zeichenketten auf.
(Es sei denn sie sind unterstrichen und somit terminale Zeichen).
• (Alternativ findet man auch die Konvention terminale Symbole in Anführungszeichen
zu setzen und die spitzen Klammern bei nichtterminalen wegzulassen).
Jede Regel hat ein Symbol auf der linken Seite gefolgt von ::=“. Die rechte Seite be-
”
schreibt, durch was das Symbol der linken Seite ersetzt werden kann.
Beispiel:
< A > ::= a < A > b
< A > ::= <  >
Ausgehend vom Symbol < A > kann man somit folgende Zeichenketten erzeugen:
< A > → a< A >b → aa< A >bb → . . . → a . . . a< A >b . . . b → a . . . ab . . . b
| {z } | {z } | {z }| {z }
n mal n mal n mal n mal

Bemerkung: Offensichtlich kann es für ein Symbol mehrere Ersetzungsregeln geben.

Wie im MIU-System ergeben sich die wohlgeformten Zeichenketten durch alle möglichen
Regelanwendungen.

Kurzschreibweisen

Oder:
Das Zeichen | “ ( oder“) erlaubt die Zusammenfassung mehrerer Regeln in einer Zeile.
” ”
Beispiel: < A > ::= a < A > b | <  >
Option:
< A > ::= [ < B > ] ist identisch zu < A > ::= < B > | <  >
Wiederholung mit n ≥ 0:
< A > ::= { < B > } ist identisch mit < A > ::= < A > < B > | <  >
Wiederholung mit n ≥ 1:
< A > ::= { < B > }+ ist identisch zu
< A > ::= < A > < B > | < B >

Syntaxbeschreibung für FC++

Die bisher behandelte Teilmenge von C++ nennen wir FC++ ( funktionales C++“) und
”
wollen die Syntax in EBNF beschreiben.
Syntax: (Zahl)
< Zahl > ::= [ + | - ] { < Ziffer > }+

Syntax: (Ausdruck)

26
 < Ausdruck > < Zahl > | [ - ] < Bezeichner > |
::=
( < Ausdruck > < Operator > < Ausdruck > ) |
< Bezeichner > ( [ < Ausdruck > { , < Ausdruck > } ] ) |
< Cond >
< Bezeichner > ::= < Buchstabe > { < Buchstabe oder Zahl > }
< Operator > ::= + | - | * | /

Weggelassen: Regeln für < Buchstabe > und < Buchstabe oder Zahl >.
Diese einfache Definition für Ausdrücke enthält weder Punkt-vor-Strich noch das Weglas-
sen von Klammern aufgrund des Assoziativgesetzes!
Hier die Syntax einer Funktionsdefinition in EBNF:
Syntax: (Funktionsdefinition)
< Funktion > ::= < Typ > < Name > ( < formale Parameter > )
{ < Funktionsrumpf > }
< Typ > ::= < Bezeichner >
< Name > ::= < Bezeichner >
< formale Parameter > ::= [ < Typ > < Name > { , < Typ > < Name > } ]
Die Argumente einer Funktion in der Funktionsdefinition heissen formale Parameter. Sie
bestehen aus einer kommaseparierten Liste von Paaren aus Typ und Name. Damit kann
man also n-stellige Funktionen mit n ≥ 0 erzeugen.
Regel für den Funktionsrumpf:
< Funktionsrumpf > ::= return < Ausdruck > ;
Hier ist noch die Syntax für die Selektion:
Syntax: (Cond)
< Cond > ::= cond ( < BoolAusdr > , < Ausdruck > , < Ausdruck > )
< BoolAusdr > ::= true | false | ( < Ausdruck > < VglOp > < Ausdruck >) |
( < BoolAusdr > < LogOp > < BoolAusdr > ) |
! ( < BoolAusdr > )
< VglOp > ::= == | != | < | > | <= | >=
< LogOp > ::= && | ||

Bemerkung: Beachte dass der Test auf Gleichheit als == geschrieben wird!

Syntax: (FC++ Programm)

<FC++-Programm> ::= { <Include> } { < Funktion > }+
<Include> ::= #include “ < DateiName > “

Bemerkung: (Leerzeichen) C++ Programme erlauben das Einfügen von Leerzeichen,

Zeilenvorschüben und Tabulatoren ( whitespace“) um Programme für den Menschen les-
”
barer zu gestalten. Hierbei gilt folgendes zu beachten:
• Bezeichner, Zahlen, Schlüsselwörter und Operatorzeichen dürfen keinen Whitespace
enthalten:

27
 – zaehler statt zae hler,
– 893371 statt 89 3371,
– return statt re tur n,
– && statt & &.
• Folgen zwei Bezeichner, Zahlen oder Schlüsselwörter nacheinander so muss ein Whi-
tespace (also mindestens ein Leerzeichen) dazwischen stehen:
– int f(int x) statt intf(intx),
– return x; statt returnx;.

Die obige Syntaxbeschreibung mit EBNF ist nicht mächtig genug, um fehlerfrei übersetzbare
C++ Programme zu charakterisieren. So enthält die Syntaxbeschreibung üblicherweise
nicht solche Regeln wie:
• Kein Funktionsname darf doppelt vorkommen.
• Genau eine Funktion muss main heissen.
• Namen müssen an der Stelle bekannt sein wo sie vorkommen.
Bemerkung: Mit Hilfe der EBNF lassen sich sogenannte kontextfreie Sprachen definie-
ren. Entscheidend ist, dass in EBNF-Regeln links immer nur genau ein nichtterminales
Symbol steht. Zu jeder kontextfreien Sprache kann man ein Programm (genauer: einen
Kellerautomaten) angeben, das für jedes vorgelegte Wort in endlicher Zeit entscheidet, ob
es in der Sprache ist oder nicht. Man sagt: kontextfreie Sprachen sind entscheidbar. Die
Regel Kein Funktionsname darf doppelt vorkommen“ lässt sich mit einer kontextfreien
”
Sprache nicht formulieren und wird deshalb extra gestellt.

Kommentare

Mit Hilfe von Kommentaren kann man in einem Programmtext Hinweise an einen mensch-
lichen Leser einbauen. Hier bietet C++ zwei Möglichkeiten an:

// nach // wird der Rest der Zeile ignoriert

/* Alles dazwischen ist Kommentar (auch über
mehrere Zeilen)
*/

2.5 Das Substitutionsmodell

Selbst wenn ein Programm vom Übersetzer fehlerfrei übersetzt wird, muss es noch lange
nicht korrekt funktionieren. Was das Programm tut bezeichnet man als Semantik (Be-
deutungslehre). Das in diesem Abschnitt vorgestellte Substitutionsmodell kann die Wir-
kungsweise funktionaler Programme beschreiben.
Definition: (Substitutionsmodell) Die Auswertung von Ausdrücken geschieht wie folgt:
1. < Zahl > wird als die Zahl selbst ausgewertet.

28
 2. < Name > ( < a1 >, < a2 >, . . . , < an > ) wird für Elementarfunktionen folgender-
maßen ausgewertet:
a) Werte die Argumente aus. Diese sind wieder Ausdrücke. Unsere Definition ist
also rekursiv!
b) Werte die Elementarfunktion < Name > auf den so berechneten Werten aus.
3. < Name > ( < a1 >, < a2 >, . . . , < an > ) wird für benutzerdefinierte Funktionen
folgendermaßen ausgewertet:
a) Werte die Argumente aus.
b) Werte den Rumpf der Funktion < Name > aus, wobei jedes Vorkommen eines
formalen Parameters durch den entsprechenden Wert des Arguments ersetzt
wird. Der Rumpf besteht im wesentlichen ebenfalls wieder aus der Auswertung
eines Ausdrucks.
4. cond ( < a1 >, < a2 >, < a3 > ) wird ausgewertet gemäß:
a) Werte < a1 > aus.
b) Ist der erhaltene Wert true, so erhält man den Wert des cond-Ausdrucks durch
Auswertung von < a2 >, ansonsten von < a3 >. Wichtig: nur eines der beiden
Argumente < a2 > oder < a3 > wird ausgewertet.

Bemerkung: Die Namen der formalen Parameter sind egal, sie entsprechen sogenannten
gebundenen Variablen in logischen Ausdrücken.

Beispiel:

quadrat(3) = *( 3, 3 ) = 9

Beispiel:

quadrat( quadrat( (2+3)+7 ) )

= quadrat( quadrat( +( +( 2, 3 ), 7 ) ) )
= quadrat( quadrat( +( 5 , 7 ) ) )
= quadrat( quadrat( 12 ) )
= quadrat( *( 12, 12 ) )
= quadrat( 144 )
= *( 144, 144 )
= 20736

29
quadrat(quadrat(+(+(2,3),7))) *(144,144) 20736
3 (c)

3 (a) 3 (b)
3 (c)
quadrat(+(+(2,3),7)) *(12,12) 144

3 (b)
3 (a)
3 (c)
+(+(2,3),7) +(5,7) 12
2 (a)
3 (b) 3 (b)
2 (a) 7 1
7
+(2,3) 5
2

2.6 Linear-rekursive Prozesse

Beispiel: (Fakultätsfunktion) Sei n ∈ N. Dann gilt

n
Y
n! = i,
i=1
= 1 · 2 · 3 · · · · · n.

Oder rekursiv: (
1 n = 1,
n! =
n(n − 1)! n > 1.

Programm: (Rekursive Berechnung der Fakultät [[Link]])

#include ” f c p p . hh”

int f a k u l t a e t ( int n )
{
return cond ( n<=1, 1 , n∗ f a k u l t a e t ( n−1) ) ;
}

int main ( )
{
return p r i n t ( f a k u l t a e t ( 5 ) ) ;
}

Die Auswertung kann mithilfe des Substitutionsmodells wie folgt geschehen:

fakultaet(5) = *( 5, fakultaet(4) )
= *( 5, *( 4, fakultaet(3) ) )
= *( 5, *( 4, *( 3, fakultaet(2) ) ) )
= *( 5, *( 4, *( 3, *( 2, fakultaet(1) ) ) ) )

30
 = *( 5, *( 4, *( 3, *( 2, 1 ) ) ) )
= *( 5, *( 4, *( 3, 2 ) ) )
= *( 5, *( 4, 6 ) )
= *( 5, 24 )
= 120

Definition: Dies bezeichnen wir als linear rekursiven Prozess (die Zahl der verzögerten
Operationen wächst linear in n). Die Aufrufe formen eine lineare Kette von Funktions-
aufrufen.

2.7 Linear-iterative Prozesse

Interessanterweise lässt sich die Kette verzögerter Operationen bei der Fakultätsberechnung
vermeiden. Betrachte dazu folgendes Tableau von Werten von n und n!:

n 1 2 3 4 5 6 ...
↓ ↓ ↓ ↓ ↓
n! 1 → 2 → 6 → 24 → 120 → 720 . . .

Idee: Führe das Produkt als zusätzliches Argument mit.

Programm: (Iterative Fakultätsberechnung [[Link]])

#include ” f c p p . hh”

int f a k I t e r ( int produkt , int z a e h l e r , int ende )

{
return cond ( z a e h l e r >ende ,
produkt ,
f a k I t e r ( produkt ∗ z a e h l e r , z a e h l e r +1, ende ) ) ;
}

int f a k u l t a e t ( int n )
{
return f a k I t e r ( 1 , 1 , n ) ;
}

int main ( )
{
return p r i n t ( f a k u l t a e t ( 5 ) ) ;
}

Die Analyse mit Hilfe des Substitutionsprinzips liefert:

fakultaet(5) = fakIter( 1, 1, 5 )
= fakIter( 1, 2, 5 )
= fakIter( 2, 3, 5 )

31
 = fakIter( 6, 4, 5 )
= fakIter( 24, 5, 5 )
= fakIter( 120, 6, 5 )
= 120

Hier wird allerdings von folgender Optimierung ausgegangen: In fakIter wird das Ergebnis
des rekursiven Aufrufes von fakIter ohne weitere Verarbeitung zurückgegeben. In diesem
Fall muss keine Kette verzögerter Aufrufe aufgebaut werden, das Endergebnis entspricht
dem Wert der innersten Funktionsauswertung. Diese Optimierung kann vom Compiler
durchgeführt werden (tail recursion).
Sprechweise: Dies nennt man einen linear iterativen Prozess. Der Zustand des Program-
mes lässt sich durch eine feste Zahl von Zustandsgrößen beschreiben (hier die Werte von
zaehler und produkt). Es gibt eine Regel wie man von einem Zustand zum nächsten
kommt, und es gibt den Endzustand.

Bemerkung:
• Von einem Zustand kann man ohne Kenntnis der Vorgeschichte aus weiterrechnen.
Der Zustand fasst alle bis zu diesem Punkt im Programm durchgeführten Berech-
nungen zusammen.
• Die Zahl der durchlaufenen Zustände ist proportional zu n.
• Die Informationsmenge zur Darstellung des Zustandes ist konstant.
• Bei geeigneter Implementierung ist der Speicherplatzbedarf konstant.
• Beim Lisp-Dialekt Scheme wird diese Optimierung von am Ende aufgerufenen Funk-
tionen (tail-call position) im Sprachstandard verlangt.
• Bei anderen Sprachen (auch C++) ist diese Optimierung oft durch Compilereinstel-
lungen erreichbar (nicht automatisch, weil das Debuggen erschwert wird), ist aber
nicht Teil des Standards.
• Beide Arten von Prozessen werden durch rekursive Funktionen beschrieben!

2.8 Baumrekursion

Beispiel: (Fibonacci-Zahlen)

 0 n=0
fib(n) = 1 n=1 .
fib(n − 1) + fib(n − 2) n > 1


Die Folge der Fibonacci Zahlen modelliert (unter anderem) das Wachstum einer Kanin-
chenpopulation unter vereinfachten Annahmen. Sie ist benannt nach Leonardo di Pisa.11
Programm: (Fibonacci rekursiv [[Link]])

11
Leonardo di Pisa (auch Fibonacci), etwa 1180–1241, ital. Rechenmeister in Pisa.

32
 #include ” f c p p . hh”

int f i b ( int n )
{
return cond ( n==0, 0 ,
cond ( n==1, 1 ,
f i b ( n−1) + f i b ( n−2) ) ) ;
}

int main ( int argc , char ∗ argv [ ] )

{
return p r i n t ( f i b ( r e a d a r g i n t ( argc , argv , 1 ) ) ) ;
}

Auswertung von fib(5) nach dem Substitutionsmodell:

fib(5)
= +(fib(4),fib(3))
= +(+(fib(3),fib(2)),+(fib(2),fib(1)))
= +(+(+(fib(2),fib(1)),+(fib(1),fib(0))),+(+(fib(1),fib(0)),fib(1)))
= +(+(+(+(fib(1),fib(0)),fib(1)),+(fib(1),fib(0))),+(+(fib(1),fib(0)),fib(1)))
= +(+(+(+(1 ,0 ),1 ),+(1 ,0 )),+(+(1 ,0 ),1 ))
= +(+(+(1 ,1 ),1 ),+(1 ,1 ))
= +(+(2 ,1 ),2 )
= +(3 ,2 )
= 5

Graphische Darstellung des Aufrufbaumes

4 3

3 2 2 1

2 1 1 0 1 0

1 0

fib(5) baut auf fib(4) und fib(3), fib(4) baut auf fib(3) und fib(2), usw.
Bezeichnung: Der Rekursionsprozess bei der Fibonaccifunktion heißt daher baumre-
kursiv.

Frage:

33
 • Wie schnell wächst die Anzahl der Operationen bei der rekursiven Auswertung der
Fibonaccifunktion?
• Wie schnell wächst die Fibonaccifunktion selbst?

Antwort: (Wachstum von fib). Fn := fib(n) erfüllt die lineare 3-Term-Rekursion

Fn = Fn−1 + Fn−2
Die Lösungen dieser Gleichung sind von der Form aλn1 + bλ√n2 , wobei λ1/2 die Lösungen
der quadratischen Gleichung λ2 = λ + 1 sind, also λ1/2 = 1±2 5 . Die Konstanten a und b
werden durch die Anfangsbedingungen F0 = 0, F1 = 1 festgelegt und damit ergibt sich
√ !n √ !n √ !n
1 1+ 5 1 1− 5 1 1+ 5
Fn = √ −√ ≈√
5 2 5 2 5 2
|{z} | {z }
a b

für große n, da |λ2 | < 1.

Bemerkung: λ1 ≈ 1.61803 ist der goldene Schnitt.

Antwort: (Aufwand zur rekursiven Berechnung von fib(n))

• Der Gesamtaufwand An zur Auswertung von fib (n) ist größer gleich einer Konstante
c1 multipliziert mit der Zahl Bn der Blätter im Berechnungsbaum:
An ≥ c1 Bn .

Die Zahl der Blätter Bn erfüllt die Rekursion:

B0 = 1 , B1 = 1 , Bn = Bn−1 + Bn−2 , n>1
woraus man
λ1
Bn = fib(n + 1) ≥ √ λn1 − 1
5
ersieht (Beachte B0 = 1!). Die Ungleichung gilt für n ≥ N1 (1 ).
• Der Gesamtaufwand An zur Auswertung von fib (n) ist kleiner gleich einer Kon-
stante c2 multipliziert mit der Anzahl Gn der Knoten im Baum:
An ≤ c2 Gn .
Diese erfüllt:
G0 = 1 , G1 = 1 , Gn = Gn−1 + Gn−2 + 1 , n > 1.
Durch die Transformation Gn = G0n − 1 ist dies äquivalent zu
G00 = 2 , G01 = 2 , G0n = G0n−1 + G0n−2 , n > 1.
Mit den Methoden von oben erhält man
     
0 1 1 1
Gn = 1 + √ λ1 + 1 − √ λ2 ≤ 1 + √ λn1 + 2
n n
5 5 5
für n ≥ N2 (2 ).

34
Damit erhalten wir also zusammengefasst:
 
λ1 n 1
c1 √ λ1 − c1 1 ≤ An ≤ c2 1 + √ λn1 + c2 2
5 5
für n ≥ max(N1 (1 ), N2 (2 )).
Bemerkung:
• Der Rechenaufwand wächst somit exponentiell.
• Der Speicherbedarf wächst hingegen nur linear in n.
Auch die Fibonaccizahlen kann man iterativ berechnen indem man die aktuelle Summe
mitführt:
Programm: (Fibonacci iterativ [[Link]])

#include ” f c p p . hh”

int f i b I t e r ( int l e t z t e , int v o r l e t z t e , int z a e h l e r )

{
return cond ( z a e h l e r ==0,
vorletzte ,
f i b I t e r ( v o r l e t z t e+l e t z t e , l e t z t e , z a e h l e r −1 ) ) ;
}

int f i b ( int n )
{
return f i b I t e r ( 1 , 0 , n ) ;
}

int main ( int argc , char ∗ argv [ ] )

{
return p r i n t ( f i b ( r e a d a r g i n t ( argc , argv , 1 ) ) ) ;
}

Hier liefert das Substitutionsmodell:

fib(2)
= fibIter(1,0,2)
= cond( 2==0, 0, fibiter(1,1,1))
= fibiter(1,1,1)
= cond( 1==0, 1, fibiter(2,1,0))
= fibIter(2,1,0)
= cond( 0==0, 1, fibiter(3,2,-1))
= 1

Bemerkung:
• Man braucht hier offenbar drei Zustandsvariablen.
• Der Rechenaufwand des linear iterativen Prozesses ist proportional zu n, also viel
kleiner als der baumrekursive.

35
2.9 Größenordnung
Es gibt eine formale Ausdrucksweise für Komplexitätsaussagen wie der Aufwand zur
”
Berechnung von fib(n) wächst exponentiell“.
Sei n ein Parameter der Berechnung, z. B.
• Anzahl gültiger Stellen bei der Berechnung der Quadratwurzel
• Dimension der Matrix in einem Programm für lineare Algebra
• Größe der Eingabe in Bits
Mit R(n) bezeichnen wir den Bedarf an Resourcen für die Berechnung, z. B.
• Rechenzeit
• Anzahl auszuführender Operationen
• Speicherbedarf
Definition:
• R(n) = Ω(f (n)), falls es von n unabhängige Konstanten c1 , n1 gibt mit

R(n) ≥ c1 f (n) ∀n ≥ n1 .

• R(n) = O(f (n)), falls es von n unabhängige Konstanten c2 , n2 gibt mit

R(n) ≤ c2 f (n) ∀n ≥ n2 .

• R(n) = Θ(f (n)), falls R(n) = Ω(f (n)) ∧ R(n) = O(f (n)).

Beispiel: R(n) bezeichne den Rechenaufwand der rekursiven Fibonacci-Berechnung:

R(n) = Ω(n) , R(n) = O(2n ) , R(n) = Θ(λn1 )

Bezeichnung:

R(n) = Θ(1) konstante Komplexität

R(n) = Θ(log n) logarithmische Komplexität
R(n) = Θ(n) lineare Komplexität
R(n) = Θ(n log n) fast optimale Komplexität
R(n) = Θ(n2 ) quadratische Komplexität
R(n) = Θ(np ) polynomiale Komplexität
R(n) = Θ(an ) exponentielle Komplexität

36
Beispiel 1: Telefonbuch

Wir betrachten den Aufwand für das Finden eines Namens in einem Telefonbuch der
Seitenzahl n.
Algorithmus: (A1) Blättere das Buch von Anfang bis Ende durch.

Satz: Sei C1 > 0 die (maximale) Zeit, die das Durchsuchen einer Seite benötigt. Der
maximale Zeitaufwand A1 = A1 (n) für Algorithmus A1 ist dann abschätzbar durch
A1 (n) = C1 n

Algorithmus: (A2) Rekursives Halbieren.

1. Setze [a1 = 1, b1 = n], i = 1;
2. Ist ai = bi durchsuche Seite ai ; Fertig;
3. Setze m = (ai + bi )/2 (ganzzahlige Division);
4. Falls Name vor Seite m
setze [ai+1 = ai , bi+1 = m], i = i + 1, gehe zu 2.;
5. Falls Name nach Seite m
setze [ai+1 = m, bi+1 = bi ], i = i + 1, gehe zu 2.;
6. Durchsuche Seite m; Fertig;

Satz: Sei C1 > 0 die (maximale) Zeit, die das Durchsuchen einer Seite benötigt, und
C2 > 0 die (maximale) Zeit für die Schritte 3–5. Der maximale Zeitaufwand A2 = A2 (n)
für Algorithmus A2 ist dann abschätzbar durch
A2 (n) = C1 + C2 log2 n

Man ist vor allem an der Lösung großer Probleme interessiert. Daher interessiert der
Aufwand A(n) für große n.
Satz: Für große Telefonbücher ist Algorithmus 2 besser“, d. h. der maximale Zeitaufwand
”
ist kleiner.

Beweis:
A1 (n) C1 n n
= = C2
→ +∞
A2 (n) C1 + C2 log2 n 1 + C1 log2 n

Beobachtung:
• Die genauen Werte von C1 , C2 sind für diese Aussage unwichtig.
• Für spezielle Eingaben (z. B. Andreas Aalbert) kann auch Algorithmus 1 besser sein.

Bemerkung: Um Algorithmus 2 ist für große Telefonbücher besser“ zu schließen, reichen

”
die Informationen A1 (n) = O(n) und A2 (n) = O(log n) aus. Man beachte auch, dass wegen
log2 n = log n
log 2
gilt O(log2 n) = O(log n).

37
2.10 Wechselgeld

Aufgabe: Ein gegebener Geldbetrag ist unter Verwendung von Münzen zu 1, 2, 5, 10,
20 und 50 Cent zu wechseln. Wieviele verschiedene Möglichkeiten gibt es dazu?
Beachte: Die Reihenfolge in der wir die Münzen verwenden ist egal.

Idee: Es sei der Betrag a mit n verschiedenen Münzarten zu wechseln. Eine der n
Münzarten habe den Nennwert d. Dann gilt:
• Entweder wir verwenden eine Münze mit Wert d, dann bleibt der Rest a − d mit n
Münzarten zu wechseln.
• Wir verwenden die Münze mit Wert d überhaupt nicht, dann müssen wir den Betrag
a mit den verbleibenden n − 1 Münzarten wechseln.

Folgerung: Ist A(a, n) die Anzahl der Möglichkeiten den Betrag a mit n Münzarten zu
wechseln, und hat Münzart n den Wert d, so gilt

A(a, n) = A(a − d, n) + A(a, n − 1)

Dies ist ein Beispiel für eine Rekursion in zwei Argumenten.

Bemerkung: Es gilt auch:

• A(0, n) = 1 für alle n ≥ 0. Wenn der Betrag a den Wert 0 erreicht hat haben wir
den ursprünglichen Betrag gewechselt. (A(0, 0) kann nicht vorkommen).
• A(a, n) = 0 falls a > 0 und n = 0. Der Betrag kann nicht gewechselt werden.
• A(a, n) = 0 falls a < 0. Der Betrag kann nicht gewechselt werden.
Das Wechseln von 5 Cent in 1 und 2 Centstücke zeigt Abbildung 3.
Bemerkung: Dies ist wieder ein baumrekursiver Prozess.

Programm: (Wechselgeld zählen [[Link]])

#include ” f c p p . hh”

// u e b e r s e t z e Muenzart i n Muenzwert
int nennwert ( int nr )
{
return
cond ( nr==1, 1 ,
cond ( nr==2, 2 ,
cond ( nr==3, 5 ,
cond ( nr==4, 1 0 ,
cond ( nr==5, 2 0 ,
cond ( nr==6, 5 0 , 0 )
) ) ) ) );
}

int wg( int b e t r a g , int muenzarten )

38
 5,2

2 | 3,2 5,1

1 | 4,1
2 2 | 1,2 2 | 3,1

1 1 | 3,1

2 2 | 1,1 2 1 | 2,1
1 1 1 | 2,1

221 2 1 1 | 1,1
1 1 1 1 | 1,1

2111
11111

Abbildung 3: Aufrufbaum im Wechselgeld Beispiel.

{
return cond ( b e t r a g ==0, 1 ,
cond ( b e t r a g <0 | | muenzarten==0, 0 ,
wg( b e t r a g , muenzarten −1 ) +
wg( b e t r a g − nennwert ( muenzarten ) ,
muenzarten ) ) ) ;
}

int w e c h s e l g e l d ( int b e t r a g )
{
return wg( b e t r a g , 6 ) ;
}

int main ( int argc , char ∗ argv [ ] ) {

return p r i n t ( w e c h s e l g e l d ( r e a d a r g i n t ( argc , argv , 1 ) ) ) ;
}

Hier einige Resultate:

wechselgeld(50) = 451
wechselgeld(100) = 4562
wechselgeld(200) = 69118
wechselgeld(300) = 393119

Bemerkung: Ein iterativer Lösungsweg ist hier nicht ganz so einfach.

39
2.11 Der größte gemeinsame Teiler

Definition: Als den größten gemeinsamen Teiler (ggT) zweier Zahlen a, b ∈ N0 bezeich-
nen wir die größte natürliche Zahl, die sowohl a als auch b ohne Rest teilt.

Bemerkung: Den ggT braucht man etwa um rationale Zahlen zu kürzen:

91 13
= , ggT(91, 287) = 7.
287 41

Idee: Zerlege beide Zahlen in Primfaktoren, der ggT ist dann das Produkt aller gemein-
samer Faktoren. Leider: sehr aufwendig.
Effizienter: Euklidscher12 Algorithmus. Dieser basiert auf folgenden Überlegungen:
Bezeichnung: Seien a, b ∈ N (ohne Null). Dann gibt es Zahlen q, r so dass a = q · b + r
mit q ∈ N0 und 0 ≤ r < b. Wir schreiben a mod b für den Rest r. Wenn r = 0, so schreiben
wir b|a.

Bemerkung:
1. Wir verlangen a + b > 0.
2. Falls b = 0 und a > 0, so ist ggT(a, b) = a. (Jedes n ∈ N teilt 0).
3. Für jeden Teiler s von a und b gilt as = q sb + rs ∈ N. Wegen as ∈ N und b
s
∈ N nach
Voraussetzung muss auch rs ∈ N gelten, d. h. s ist auch Teiler von r!
Somit gilt ggT(a, b) = ggT(b, r).
Somit haben wir folgende Rekursion bewiesen:

a falls b = 0
ggT(a, b) =
ggT(b, a mod b) sonst

Programm: (Größter gemeinsamer Teiler [[Link]])

#include ” f c p p . hh”

int ggT ( int a , int b )

{
return cond ( b==0, a , ggT ( b , a % b ) ) ;
}

int main ( int argc , char ∗ argv [ ] )

{
return p r i n t ( ggT ( r e a d a r g i n t ( argc , argv , 1 ) ,
r e a d a r g i n t ( argc , argv , 2 ) ) ) ;
}

12
Euklid von Alexandria, ca. 360–280 v. Chr., bedeutender griechischer Mathematiker.

40
Hier die Berechnung von ggt(91,287)

ggT(91,287) # 91 = 0*287 + 91
= ggT(287,91) # 287 = 3*91 + 14
= ggT(91,14) # 91 = 6*14 + 7
= ggT(14,7) # 14 = 2*7 + 0
= ggT(7,0)
= 7
• Terminiert das Verfahren immer?
• Wie schnell terminiert es?
Bemerkung:
• Im ersten Schritt ist 91 = 0 · 287 + 91, also werden die Argumente gerade vertauscht.
• Der Berechnungsprozess ist iterativ, da nur ein fester Satz von Zuständen mitgeführt
werden muss.

Satz: Der Aufwand von ggT(a,b) ist O(log n), wobei n = min(a, b).

Beweis: Ausgehend von der Eingabe a0 = a, b0 = b, a, b ∈ N0 , a + b > 0, erzeugt der

Euklidsche Algorithmus eine Folge von Paaren
(ai , bi ), i ∈ N0 .
Dabei gilt nach Konstruktion
ai+1 = bi , bi+1 = ai mod bi .
Wir beweisen nun einige Eigenschaften dieser Folge.
1. Es gilt bi < ai für alle i ≥ 1. Wir zeigen dies in zwei Schritten.
α. Sei bereits bi < ai , dann gilt
ai = qi bi + ri mit 0 ≤ ri < bi .
Da ai+1 = bi und bi+1 = ri gilt offensichtlich
bi+1 = ri < bi = ai+1 .

β. Ist b0 < a0 dann gilt wegen α. auch b1 < a1 . Bleiben also die Fälle b0 = a0 und
b0 > a0 :
b 0 = a0 ⇒ a0 = 1 · b0 + 0 ⇒ b1 = 0 < b0 = a1 .
b0 > a0 ⇒ a0 = 0 · b0 + a0 ⇒ b1 = a0 < b0 = a1 .

2. Nun können wir bereits zeigen, dass der Algorithmus terminieren muss. Wegen 1.
gilt
bi+1 < ai+1 = bi < ai , für i ≥ 1,
mithin ist also die Folge der bi (und auch der ai ) streng monoton fallend. Wegen
bi ∈ N0 impliziert bi+1 < bi dass bi+1 ≤ bi − 1.
Andererseits ist bi ≥ 0 für alle i ≥ 0 da b0 ≥ 0 und bi+1 = ai mod bi . Somit muss
irgendwann bi = 0 gelten und der Algorithmus terminiert.

41
 3. Sei bi < ai . Dann gilt bi+2 < ai+2 < ai /2. Dies ist also eine Behauptung über die
Konvergenzgeschwindigkeit. Wir unterscheiden zwei Fälle.
I. Sei bi ≤ ai /2. Dann gilt ai = qi · bi + ri mit 0 ≤ ri < bi ≤ ai /2, also bi+1 = ri <
bi = ai+1 ≤ ai /2.
Im nächsten Schritt gilt dann ai+1 = qi+1 · bi+1 + ri+1 mit

bi+2 = ri+1 < bi+1 = ai+2 < bi ≤ ai /2.

Somit gilt bi+2 < ai+2 < ai /2.

II. Sei bi > ai /2. Dann gilt ai = 1 · bi + (ai − bi ), also qi = 1, ri = ai − bi . Damit
gilt bi+1 = ri = ai − bi < ai /2 und ai+1 = bi > ai /2 (nach Vor.). Im nächsten
Schritt gilt nun wieder ai+1 = qi+1 · bi+1 + ri+1 mit

bi+2 = ri+1 < bi+1 = ai+2 < ai /2,

also ebenfalls bi+2 < ai+2 < ai /2.

Damit ist gezeigt, dass ai und bi nach zwei Schritten noch höchstens halb so groß sind.
Da ai , bi ∈ N0 sind höchstens 2 log2 (min(a0 , b0 )) Halbierungen möglich bis bi den Wert 0
erreicht.

2.12 Zahlendarstellung im Rechner

In der Mathematik gibt es verschiedene Zahlenmengen:

N ⊂ Z ⊂ Q ⊂ R ⊂ C.

Diese Mengen enthalten alle unendlich viele Elemente, im Computer entsprechen die di-
versen Datentypen jedoch nur endlichen Mengen.
Um Zahlen aus N darzustellen, benutzt man ein Stellenwertsystem zu einer Basis β ≥ 2
und Ziffern ai ∈ {0, . . . , β − 1}
Dann bedeutet
n−1
X
(an−1 an−2 . . . a1 a0 )β ≡ ai β i
i=0

Dabei ist n die Wortlänge. Es sind somit die folgenden Zahlen aus N0 darstellbar:

0, 1, . . . , β n − 1

Am häufigsten wird β = 2, das Binärsystem, verwendet.

Umgang mit negativen Zahlen In der Mathematik ist das Vorzeichen eine separate
Information welche 1 Bit zur Darstellung benötigt.
Im Rechner wird bei ganzen Zahlen zur Basis β = 2 eine andere Darstellung gewählt, die
Zweierkomplementdarstellung.
Früher war auch das Einerkomplement gebräuchlich.

42
Einer- und Zweierkomplement Definition: Sei (an−1 an−2 . . . a1 a0 )2 die Binärdarstellung
von a ∈ [0, 2n − 1]. Dann heisst

en (a) = en ((an−1 an−2 . . . a1 a0 )2 ) = (ān−1 ān−2 . . . ā1 ā0 )2

das Einerkomplement von a, wobei āi = 1 − ai .

Definition: Sei a ∈ [0, 2n − 1]. Dann heisst

zn (a) = 2n − a

das Zweierkomplement von a.

Es gilt: en (en (a)) = a und zn (zn (a)) = a !
Das Zweierkomplement einer Zahl kann sehr einfach und effizient berechnet werden.
Sei a ∈ [0, 2n − 1]. Dann folgt aus der Identität

a + en (a) = 2n − 1

die Formel
zn (a) = 2n − a = en (a) + 1.

Somit wird keine Subtraktion benötigt sondern es genügt das Einerkomplement und eine
Addition von 1. (Und das kann noch weiter vereinfacht werden).
Definition: Die Zweierkomplementdarstellung einer Zahl ist eine bijektive Abbildung

dn : [−2n−1 , 2n−1 − 1] → [0, 2n − 1]

welche definiert ist als


a 0 ≤ a < 2n−1
dn (a) = .
2n − |a| −2n−1 ≤ a < 0

Die negativen Zahlen [−2n−1 , −1] werden damit auf den Bereich [2n−1 , 2n − 1] positiver
Zahlen abgebildet.
Sei dn (a) = (xn−1 xn−2 . . . x1 x0 )2 dann ist a positiv falls xn−1 = 0 und a negativ falls
xn−1 = 1.
Es gilt dn (−1) = 2n − 1 = (1, . . . , 1)2 und dn (−2n−1 ) = 2n − 2n−1 = 2n−1 (2 − 1) = 2n−1 =
(1, 0, . . . , 0)2 .

Operationen mit der Zweierkomplementdarstellung Die Ein-/Ausgabe von ganzen

Zahlen erfolgt (1) im Zehnersystem und (2) mittels separatem Vorzeichen.
Bei der Eingabe einer ganzen Zahl wird diese in das Zweierkomplement umgewandelt:
• Lese Betrag und Vorzeichen ein und teste auf erlaubten Bereich
• Wandle Betrag in das Zweiersystem

43
 • Für negative Zahlen berechne das Zweierkomplement
Bei der Ausgabe gehe umgekehrt vor.
Im folgenden benötigen wir noch eine weitere Operation.
Definition: Sei x = (xm−1 xm−2 . . . x1 x0 )2 eine m-stellige Binärzahl. Dann ist

(xm−1 xm−2 . . . x1 x0 )2 m ≤ n
sn ((xm−1 xm−2 . . . x1 x0 )2 ) =
(xn−1 xn−2 . . . x1 x0 )2 m > n

die Beschneidung auf n-stellige Binärzahlen.

Die Addition von Zahlen in der Zweierkomplementdarstellung gelingt mit
Satz: Sei n ∈ N und a, b, a + b ∈ [−2n−1 , 2n−1 − 1]. Dann gilt

dn (a + b) = sn (dn (a) + dn (b)).

Es genügt eine einfache Addition. Beachtung der Vorzeichen entfällt!

Beweis. Wir unterscheiden drei Fälle (mittlerer Fall steht für zwei).
a, b ≥ 0. Damit ist auch a + b ≥ 0. Also

sn (dn (a) + dn (b)) = sn (a + b) = a + b = dn (a + b).

a < 0, b ≥ 0. a + b kann positiv oder negativ sein. Mit a = −|a|:

sn (dn (a) + dn (b)) = sn (2n − |a| + b) = sn (2n + (a + b))


a+b 0 ≤ a + b < 2n−1
= .
2n − |a + b| −2n−1 ≤ a + b < 0

a, b < 0. Damit ist auch a + b < 0 und 2n − |a + b| < 2n :

sn (dn (a) + dn (b)) = sn (2n − |a| + 2n − |b|) = sn (2n + 2n + a + b)

= sn (2n + 2n − |a + b|) = 2n − |a + b|.

Beispiel: (Zweierkomplement) Für n = 3 setze

0 = 000 -1 = 111
1 = 001 -2 = 110
2 = 010 -3 = 101
3 = 011 -4 = 100

Solange der Zahlenbereich nicht verlassen wird, klappt die normale Arithmetik ohne Be-
achtung des Vorzeichens:

3 → 011
-1 → 111
2 → [1]010

44
Die Negation einer Zahl in Zweierkomplementdarstellung.
Satz: Sei n ∈ N und a ∈ [−2n−1 + 1, 2n−1 − 1]. Dann gilt
Beweis.
dn (−a) = sn (2n − dn (a)) = sn (en (dn (a)) + 1).
a = 0. dn (−0) = dn (0) = sn (2n −dn (0)). Nur dieser Fall braucht die Anwendung von sn .
0 < a < 2n−1 . Also ist −a < 0 und somit

dn (−a) = 2n − |a| = 2n − a = 2n − dn (a) = sn (2n − dn (a)).

−2n−1 < a < 0. Also ist −a > 0 und somit

dn (−a) = dn (|a|) = |a| = 2n − (2n − |a|) = 2n − dn (a) = sn (2n − dn (a)).

Schließlich behandeln wir noch die Subtraktion.

Diese wird auf die Addition zurückgeführt:

dn (a − b) = dn (a + (−b)) a − b = a + (−b)
= sn (dn (a) + dn (−b)) Satz über Addition
= sn (dn (a) + sn (2n − dn (b))) Satz über Negation.

Natürlich vorausgesetzt, dass alles im erlaubten Bereich ist.

Gebräuchliche Zahlenbereiche in C++ β = 2 und n = 8, 16, 32:

char -128. . . 127

unsigned char 0. . . 255
short -32768. . . 32767
unsigned short 0. . . 65535
int -2147483648. . . 2147483647
unsigned int 0. . . 4294967295

Bemerkung: Die genaue Größe legt der C++ Standard nicht fest, diese kann aber
abgefragt werden.

Bemerkung: Achtung: bei Berechnungen mit ganzen Zahlen führt Überlauf, d. h. das
Verlassen des darstellbaren Zahlenbereichs üblicherweise nicht zu Fehlermeldungen. Es
liegt in der Verantwortung des Programmierers solche Fehler zu vermeiden.

2.13 Darstellung reeller Zahlen

Neben den Zahlen aus N und Z sind in vielen Anwendungen auch reelle Zahlen R von
Interesse. Wie werden diese im Computer realisiert?

45
Festkommazahlen

Eine erste Idee ist die Festkommazahl. Hier interpretiert man eine gewisse Zahl von Stellen
als nach dem Komma, d. h.
n−1
X
(an−1 an−2 . . . aq .aq−1 . . . a0 )β ≡ ai β i−q
i=0

Beispiel: Bei β = 2, q = 3 hat man drei Nachkommastellen, kann also in Schritten von
1/8 auflösen.

Bemerkung:
• Jede Festkommazahl ist rational, somit können irrationale Zahlen nicht exakt dar-
gestellt werden.
• Selbst einfache rationale Zahlen können je nach Basis nicht exakt dargestellt werden.
So kann 0.1 = 1/10 mit einer Festkommazahl zur Basis β = 2 für kein n exakt
dargestellt werden.
• Das Ergebnis elementarer Rechenoperationen +, −, ∗, / muss nicht mehr darstellbar
sein.
• Festkommazahlen werden nur in Spezialfällen verwendet, etwa um mit Geldbeträgen
zu rechnen. In vielen anderen Fällen ist die im nächsten Abschnitt dargestellte
Fließkommaarithmetik brauchbarer.

Fließkommaarithmetik

Vor allem in den Naturwissenschaften wird die Fließkommaarithmetik (Gleitkommaarith-

metik) angewendet. Eine Zahl wird dabei repräsentiert als

± a0 + a1 β −1 + . . . + an−1 β −(n−1) × β e

Die Ziffern ai bilden die Mantisse und e ist der Exponent (eine ganze Zahl gegebener
Länge). Wieder wird β = 2 am häufigsten verwendet. Das Vorzeichen ist ein zusätzliches
Bit.

Typische Wortlängen float: 23 Bit Mantisse, 8 Bit Exponent, 1 Bit Vorzeichen ent-
sprechen
log 2
23 · log10 2 = 23 · ≈ 23 · 0.3 ≈ 7
log 10
dezimalen Nachkommastellen in der Mantisse.
double: 52 Bit Mantisse, 11 Bit Exponent, 1 Bit Vorzeichen entsprechen 52 · 0.3 ≈ 16
dezimalen Nachkommastellen in der Mantisse.
Referenz: Genaueres findet man im IEEE-Standard 754 (floating point numbers).

46
Fehler in der Fließkommaarithmetik Darstellungsfehler β = 10, n = 3: Die reelle
Zahl 3.14159 wird auf 3.14 × 100 gerundet. Der Fehler beträgt maximal 0.005, man sagt
0.5ulp, ulp heißt units last place.
Bemerkung:
• Wenn solche fehlerbehafteten Daten als Anfangswerte für Berechnungen verwendet
werden, können die Anfangsfehler erheblich vergrößert werden.
• Durch Rundung können weitere Fehler hinzukommen.
• Vor allem bei der Subtraktion kann es zum Problem der Auslöschung kommen, wenn
beinahe gleichgroße Zahlen voneinander abgezogen werden.

Beispiel: Berechne b2 − 4ac in β = 10, n = 3 für b = 3.34, a = 1.22, c = 2.28. Eine exakte
Rechnung liefert

3.34 · 3.34 − 4 · 1.22 · 2.28 = 11.1556 − 11.1264 = 0.0292

Mit Rundung der Zwischenergebnisse ergibt sich dagegen

. . . 11.2 − 11.1 = 0.1

0.0708
Der absolute Fehler ist somit 0.1 − 0.0292 = 0.0708. Damit ist der relative Fehler 0.0292
=
240%! Nicht einmal eine Stelle des Ergebnisses 1.00 · 10−1 ist korrekt!

Typkonversion

Im Ausdruck 5/3 ist /“ die ganzzahlige Division ohne Rest. Bei 5.0/3.0 oder 5/3.0
”
oder 5.0/3 wird hingegen eine Fließkommadivision durchgeführt.
Will man eine gewisse Operation erzwingen, kann man eine explizite Typkonversion ein-
bauen:

((double) x)/3 Fließkommadivision

((int) y)/((int) 3) Ganzzahldivision

2.14 Wurzelberechnung mit dem Newtonverfahren

Problem: f : R → R sei eine glatte“ Funktion, a ∈ R. Wir wollen die Gleichung

”
f (x) = a

lösen.

Beispiel: f (x) = x2 Berechnung von Quadratwurzeln.

√
Mathematik: a ist die positive Lösung von x2 = a.
√
Informatik: Will Algorithmus zur Berechnung des Zahlenwerts von a.

47
Ziel: Konstruiere ein Iterationsverfahren mit folgender Eigenschaft: zu einem Startwert
x0 ≈ x finde x1 , x2 , . . ., welche die Lösung x immer besser approximieren.

Definition: (Taylorreihe)
h2 00
f (xn + h) = f (xn ) + hf 0 (xn ) + f (xn ) + . . .
2

Wir vernachlässigen nun den O(h2 )-Term (|f 00 (x)| ≤ C, kleines h) und verlangen f (xn +
!
h) ≈ f (xn ) + hf 0 (xn ) = a. Dies führt zu
a − f (xn )
h=
f 0 (xn )
und somit zur Iterationsvorschrift
a − f (xn )
xn+1 = xn + .
f 0 (xn )

Beispiel: Für die Quadratwurzel erhalten wir mit f (x) = x2 und f 0 (x) = 2x die Vor-
schrift  
1 a
xn+1 = xn + .
2 xn

Abbruchkriterium: |f (xn ) − a| < ε für eine vorgegebene (kleine) Zahl ε.

Programm: (Quadratwurzelberechnung [[Link]])

#include ” f c p p . hh”

bool g u t g e n u g ( double xn , double a ) {

return f a b s ( xn∗xn − a ) <= 1 e −15;
}

double w u r z e l I t e r ( double xn , double a ) {

return cond ( g u t g e n u g ( xn , a ) ,
xn ,
w u r z e l I t e r ( 0 . 5 ∗ ( xn + a /xn ) , a ) ) ;
}

double w u r z e l ( double a )
{
return w u r z e l I t e r ( 1 . 0 , a ) ;
}

int main ( int argc , char ∗ argv [ ] )

{
return
p r i n t ( w u r z e l ( r e a d a r g d o u b l e ( argc , argv , 1 ) ) ) ;
}

48
Hier ist die Auswertung der Wurzelfunktion im Substitutionsmodell (nur die Aufrufe von
wurzelIter sind dargestellt):

wurzel(2)
= wurzelIter(1,2)
= wurzelIter(1.5,2)
= wurzelIter(1.4166666666666667407,2)
= wurzelIter(1.4142156862745098866,2)
= wurzelIter(1.4142135623746898698,2)
= wurzelIter(1.4142135623730951455,2)
= 1.4142135623730951455

Bemerkung:
• Die print-Funktion sorgt dafür, dass 16 Stellen bei Fließkommazahlen ausgegeben
werden.
• Unter gewissen Voraussetzungen an f kann man zeigen, dass sich die Zahl der
gültigen Ziffern mit jedem Schritt verdoppelt.

2.15 Fortgeschrittenere funktionale Programmierung

Funktionen in der Mathematik

Definition: Eine Funktion f : X → Y ordnet jedem Element einer Menge X genau ein
Element der Menge Y zu.
In der Mathematik ist es nun durchaus üblich, nicht nur einfache Beispiele wie etwa
f : X → Y mit X = Y = R zu betrachten. Im Gegenteil: in wichtigen Fällen sind X
und/oder Y selbst Mengen von Funktionen.
Beispiele:
• Ableitung: Funktionen → Funktionen; X = C 1 ([a, b]), Y = C 0 ([a, b])
• Stammfunktion: Funktionen → Funktionen
• Integraler Mittelwert: Funktionen → Zahlen
In C und C++ ist es ebenfalls möglich Funktionen als Argumente an Funktionen zu
übergeben. Dazu stehen zwei Möglichkeiten zur Verfügung:
• Funktionszeiger (behandeln wir nicht)
• Funktoren (behandeln wir im Rahmen der Objektorientierung)
Bei kompilierten Sprachen werden alle Funktionen zur Übersetzungszeit erzeugt (aber
arbeiten auf zur Laufzeit erzeugten Daten).
Interpretierte Sprachen erlauben auch die Erzeugung des Codes selbst zur Laufzeit.
Beispiel: Beispiel mit sog. Lambdaausdruck aus C++ 11:

49
 #include ” f c p p . hh”

typedef int ( ∗F) ( int n ) ; // Datentyp F u n k t i o n s z e i g e r

int apply ( F f , int a r g ) // a p p l y wendet f a u f a r g an

{
return f ( a r g ) ;
}

int main ( int argc , char ∗ argv [ ] )

{
return p r i n t ( apply ( [ ] ( int n ) { return n+5; } , // anonyme Fkt .
r e a d a r g i n t ( argc , argv , 1 ) ) ) ;
}

Warum funktionale Programmierung?

Mathematisch am besten verstanden.

Vorteilhaft, wenn Korrektheit von Programmen gezeigt werden soll.
Die funktionale Programmierung kommt mit wenigen Konzepten aus C++ aus: Auswer-
tung von Ausdrücken, Funktionsdefinition, cond-Funktion.
Bestimmte Probleme lassen sich mit rekursiv formulierten Algorithmen (und nur mit
diesen) sehr elegant lösen.
Funktionales Programmieren ist nicht für alle Situationen die beste Wahl! Zum Beispiel
legt die Interaktion mit der Außenwelt oder ihre effiziente Nachbildung oft andere Para-
digmen nahe.
Ungeschickte rekursive Formulierungen können zu sehr langen Laufzeiten führen. Geeig-
nete Formulierung und Endrekursion können dies vermeiden.

3 Prozedurale Programmierung
Bisher besteht unser Berechnungsmodell aus folgenden Bestandteilen:
1. Auswertung von zusammengesetzten Ausdrücken aus Zahlen, Funktionsaufrufen
und Selektionen.
2. Konstruktion neuer Funktionen.
Namen treten dabei in genau zwei Zusammenhängen auf:
1. Als Symbole für Funktionen.
2. Als formale Parameter in Funktionen.
Im Substitutionsmodell werden bei der Auswertung einer Funktion die formalen Parame-
ter im Rumpf durch die aktuellen Werte ersetzt und dann der Rumpf ausgewertet.

50
Unter Vernachlässigung von Resourcenbeschränkungen (endlich große Zahlen, endlich vie-
le rekursive Funktionsauswertungen) kann man zeigen, dass dieses Berechnungsmodell
äquivalent zur Turingmaschine ist.
In der Praxis erweist es sich als nützlich, weitere Konstruktionselemente einzuführen um
einfachere, übersichtlichere und wartbarere Programme schreiben zu können.
Der Preis dafür ist, dass wir uns von unserem einfachen Substitutionsmodell verabschieden
müssen!

3.1 Lokale Variablen und die Zuweisung

Konstanten

In C++ kann man konstante Werte wie folgt mit Namen versehen:
Beispiel:

f l o a t umfang ( f l o a t r )
{
const double p i = 3 . 1 4 1 5 9 2 6 5 ;
return 2∗ r ∗ p i ;
}

int hochacht ( int x )

{
const int x2 = x∗x ; // j e t z t g i b t e s e i n x2
const int x4 = x2 ∗ x2 ; // nun e i n x4
return x4 ∗ x4 ;
}

Bemerkung:
• Wir können uns vorstellen, dass einem Namen ein Wert zugeordnet wird.
• Einem formalen Parameter wird der Wert bei Auswertung der Funktion zugeordnet.
• Einer Konstanten kann nur einmal ein Wert zugeordnet werden.
• Die Auswertung solcher Funktionsrümpfe erfordert eine Erweiterung des Substitu-
tionsmodells:
– Ersetze formale Parameter durch aktuelle Parameter.
– Erzeuge (der Reihe nach !) die durch die Zuweisungen gegebenen Name-Wert
Zuordnungen und ersetze neue Namen im Rest des Rumpfes durch den Wert.

Variablen

C++ erlaubt aber auch, die Zuordnung von Werten zu Namen zu ändern:
Beispiel: (Variablen)

51
 int hochacht ( int x )
{
int y = x∗x ; // Z e i l e 1 : D e f i n i t i o n / I n i t i a l i s i e r u n g
y = y∗y ; // Z e i l e 2 : Zuweisung
return y∗y ;
}

Bemerkung:
• Zeile 1 im Funktionsrumpf definiert eine Variable y, die Werte vom Typ int anneh-
men kann und initialisiert diese mit dem Wert des Ausdrucks x*x.
• Zeile 2 nennt man eine Zuweisung. Die links des = stehende Variable erhält den Wert
des rechts stehenden Ausdrucks als neuen Wert.
• Beachte, dass der boolsche Operator ist gleich“ (also die Abfrage nach Gleichheit)
”
in C++ durch == notiert wird!
• Der Wert von y wird erst geändert, nachdem der Ausdruck rechts ausgewertet wurde.
• Der Typ einer Variablen kann aber nicht geändert werden!

Problematik der Zuweisung

Beispiel:
int b l a ( int x )
{
int y = 3 ; // Zeile 1
const int x1 = y∗x ; // Zeile 2
y = 5; // Zeile 3
const int x2 = y∗x ; // Zeile 4
return x1 ∗ x2 ; // Zeile 5
}

Bemerkung:
• Obwohl x1 und x2 durch denselben Ausdruck y*x definiert werden, haben sie im
allgemeinen verschiedene Werte.
• Dies bedeutet das Versagen des Substitutionsmodells, bei dem ein Name im ganzen
Funktionsrumpf durch seinen Wert ersetzt werden kann.
• Die Namensdefinitionen und Zuweisungen werden der Reihe nach abgearbeitet. Das
Ergebnis hängt auch von dieser Reihenfolge ab. Dagegen war die Reihenfolge der
Auswertung von Ausdrücken im Substitutionsmodell egal.

Umgebungsmodell

Wir können uns die Belegung der Variablen als Abbildung bzw. Tabelle vorstellen, die
jedem Namen einen Wert zuordnet:
w : { Menge der gültigen Namen } → { Menge der Werte } .

52
 Name Typ Wert
x int 4
Beispiel: Abbildung w bei Aufruf von
y int 5
bla(4) nach Zeile 4
x1 int 12
x2 int 20
Definition: Der Ort, an dem diese Abbildung im System gespeichert wird, heißt Umge-
bung. Die Abbildung w heißt auch Bindungstabelle. Man sagt, w bindet einen Namen an
einen Wert.

Bemerkung:
• Ein Ausdruck wird in Zukunft immer relativ zu einer Umgebung ausgewertet, d. h.
nur Ausdruck und Umgebung zusammen erlauben die Berechnung des Wertes eines
Ausdruckes.
• Die Zuweisung können wir nun als Modifikation der Bindungstabelle verstehen: nach
der Ausführung von y=5 gilt w(y) = 5.
• Die Bindungstabelle ändert sich dynamisch während der Programmausführung.
Um herauszufinden was ein Programm tut“ muss sich der Programmierer die
”
fortwährende Entwicklung der Bindungstabelle vorstellen.

3.2 Syntax von Variablendefinition und Zuweisung

Syntax:
< Def > ::= < ConstDef > | < VarDef >
< ConstDef > ::= const < Typ > < Name > = < Ausdruck >
< VarDef > ::= < Typ > < Name > [ = < Ausdruck > ]

Syntax:
< Zuweisung > ::= < Name > = < Ausdruck >

Bemerkung:
• Wir erlauben zunächst Variablendefinitionen nur innerhalb von Funktionsdefinitio-
nen. Diese Variablen bezeichnet man als lokale Variablen.
• Bei der Definition von Variablen kann die Initialisierung weggelassen werden. In
diesem Fall ist der Wert der Variablen bis zur ersten Zuweisung unbestimmt.
Aber: Fast immer ist es empfehlenswert, auch Variablen gleich bei der Definition zu
initialisieren!

Lokale Umgebung

Wie sieht die Umgebung im Kontext mehrerer Funktionen aus?

Programm:

53
 int g ( int x )
{
int y = x∗x ;
y = y∗y ;
return h ( y ∗ ( x+y ) ) ;
}

int h ( int x )
{
return cond ( x <1000 , g ( x ) , 88 ) ;
}

Es gilt folgendes:
• Jede Auswertung einer Funktion erzeugt eine eigene lokale Umgebung. Mit Beendi-
gung der Funktion wird diese Umgebung wieder vernichtet!
• Zu jedem Zeitpunkt der Berechnung gibt es eine aktuelle Umgebung. Diese enthält
die Bindungen der Variablen der Funktion, die gerade ausgewertet wird.
• In Funktion h gibt es keine Bindung für y, auch wenn h von g aufgerufen wurde.
• Wird eine Funktion n mal rekursiv aufgerufen, so existieren n verschiedene Umge-
bungen für diese Funktion.
Bemerkung: Man beachte auch, dass eine Funktion kein Gedächtnis hat: wird sie mehr-
mals mit gleichen Argumenten aufgerufen, so sind auch die Ergebnisse gleich. Diese fun-
damentale Eigenschaft funktionaler Programmierung ist also (bisher) noch erhalten.

Bemerkung: Tatsächlich wäre obiges Konstrukt auch nach Einführung einer main-
Funktion nicht kompilierbar, weil die Funktion h beim Übersetzen von g noch nicht be-
kannt ist. Um dieses Problem zu umgehen, erlaubt C++ die vorherige Deklaration von
Funktionen. In obigem Beispiel könnte dies geschehen durch Einfügen der Zeile

int h ( int x ) ;

vor die Funktion g.

3.3 Anweisungsfolgen (Sequenz)

• Funktionale Programmierung bestand in der Auswertung von Ausdrücken.
• Jede Funktion hatte nur eine einzige Anweisung (return).
• Mit Einführung von Zuweisung (oder allgemeiner Nebeneffekten) macht es Sinn,
die Ausführung mehrer Anweisungen innerhalb von Funktionen zu erlauben. Diesen
Programmierstil nennt man auch imperative Programmierung.

Erinnerung: Wir kennen schon eine Reihe wichtiger Anweisungen:

• Variablendefinition (ist in C++ eine Anweisung, nicht aber in C),
• Zuweisung,

54
 • return-Anweisung in Funktionen.

Bemerkung:
• Jede Anweisung endet mit einem Semikolon.
• Überall wo eine Anweisung stehen darf, kann auch eine durch geschweifte Klammern
eingerahmte Folge (Sequenz ) von Anweisungen stehen.
• Auch die leere Anweisung ist möglich indem man einfach ein Semikolon einfügt.
• Anweisungen werden der Reihe nach abgearbeitet.

Syntax: (Anweisung)
< Anweisung > ::= < EinfacheAnw > | { { < EinfacheAnw > }+ }
< EinfacheAnw > ::= < VarDef > ; | < Zuweisung > ; |
< Selektion > | . . .

Beispiel

Die folgende Funktion berechnet fib(4). b enthält die letzte und a die vorletzte Fibonac-
cizahl.

int f 4 ( )
{
int a = 0 ; // a = f i b ( 0 )
int b = 1 ; // b = f i b ( 1 )
int t ;

t = a+b ; a = b ; b = t ; // b = f i b ( 2 )
t = a+b ; a = b ; b = t ; // b = f i b ( 3 )
t = a+b ; a = b ; b = t ; // b = f i b ( 4 )
return b ;
}

Bemerkung: Die Variable t wird benötigt, da die beiden Zuweisungen

 
b ← a+b
a ← b

nicht gleichzeitig durchgeführt werden können.

Bemerkung: Man beachte, dass die Reihenfolge in

t = a+b;
a = b;
b = t;

nicht vertauscht werden darf. In der funktionalen Programmierung mussten wir hingegen
weder auf die Reihenfolge achten noch irgendwelche Hilfsvariablen“ einführen.
”

55
3.4 Bedingte Anweisung (Selektion)
Anstelle des cond-Operators wird in der imperativen Programmierung die bedingte An-
weisung verwendet.
Syntax: (Bedingte Anweisung, Selektion)
< Selektion > ::= if ( < BoolAusdr > ) < Anweisung >
[ else < Anweisung > ]
Ist die Bedingung in runden Klammern wahr, so wird die erste Anweisung ausgeführt,
ansonsten die zweite Anweisung nach dem else (falls vorhanden).
Genauer bezeichnet man die Variante ohne else als bedingte Anweisung, die Variante
mit else als Selektion.

Beispiel: Die funktionale Form

int a b s o l u t ( int x )
{
return cond ( x<=0, −x , x ) ;
}

ist äquivalent zu

int a b s o l u t ( int x )
{
i f ( x <= 0 )
return −x ;
else
return x ;
}

3.5 While-Schleife
Iterative Prozesse sind so häufig, dass man hierfür eine Abstraktion schaffen will. In C++
gibt es dafür verschiedene imperative Konstrukte, die wir jetzt kennenlernen.
Programm: (Fakultät mit While-Schleife [[Link]])

int f a k ( int n )
{
int e r g e b n i s = 1 ;
int z a e h l e r = 2 ;

while ( z a e h l e r <= n )
{
ergebnis = zaehler ∗ ergebnis ;
z a e h l e r = z a e h l e r +1;
}
return e r g e b n i s ;
}

56
Syntax: (While-Schleife)
< WhileSchleife > ::= while ( < BoolAusdr > ) < Anweisung >
Die Anweisung wird solange ausgeführt wie die Bedingung erfüllt ist.
Wir überlegen informell warum das Beispiel funktioniert.
• Ist n = 0 oder n = 1, also n < 2 (andere Zahlen sind nicht erlaubt), so ist die
Schleifenbedingung nie erfüllt und das Ergebnis ist 1, was korrekt ist.
• Ist n ≥ 2 so wird die Schleife mindestens einmal durchlaufen. In jedem Durchlauf
wird der zaehler dranmultipliziert und dann erhöht. Es werden also sukzessive die
Zahlen 2, 3, . . . an den aktuellen Wert multipliziert. Irgendwann erreicht zaehler den
Wert n und damit ergebnis den Wert n!. Da zaehler nun den Wert n + 1 hat, wird
die Schleife verlassen.
Später werden wir eine formale Methode kennenlernen, mit der man beweisen kann, dass
das Programm korrekt funktioniert.

3.6 For-Schleife
Die obige Anwendung der while-Schleife ist ein Spezialfall, der so häufig vorkommt, dass
es dafür eine Abkürzung gibt:
Syntax: (For-Schleife)
< ForSchleife > ::= for ( < Init > ; < BoolAusdr > ; < Increment > )
< Anweisung >
< Init > ::= < VarDef > | < Zuweisung >
< Increment > ::= < Zuweisung >
Init entspricht der Initialisierung des Zählers, BoolAusdr der Ausführungsbedingung und
Increment der Inkrementierung des Zählers.

Programm: (Fakultät mit For-Schleife [fakfor . cc])

int f a k ( int n )
{
int e r g e b n i s = 1 ;

for ( int z a e h l e r =2; z a e h l e r <=n ; z a e h l e r=z a e h l e r +1 )

{
ergebnis = zaehler ∗ ergebnis ;
}

return e r g e b n i s ;
}

Bemerkung:
• Eine For-Schleife kann direkt in eine While-Schleife transformiert werden. Dabei
wird die Laufvariable vor der Schleife definiert.

57
 • Der Gültigkeitsbereich von zaehler erstreckt sich nur über die for-Schleife (an-
sonsten hätte man es wie ergebnis außerhalb der Schleife definieren müssen). Wir
werden später sehen wie man den Gültigkeitsbereich gezielt mit neuen Umgebungen
kontrollieren kann.
• Die Initialisierungsanweisung enthält Variablendefinition und Initialisierung.
• Wie beim Fakultätsprogramm mit while wird die Inkrementanweisung am Ende
des Schleifendurchlaufes ausgeführt.

Beispiele

Wir benutzen nun die neuen Konstruktionselemente um die iterativen Prozesse zur Be-
rechnung der Fibonaccizahlen und der Wurzelberechnung nochmal zu formulieren.
Programm: (Fibonacci mit For-Schleife [ fibfor . cc])
int f i b ( int n )
{
int a = 0 ;
int b = 1 ;
for ( int i =0; i <n ; i=i +1 )
{
int t = a+b ; a = b ; b = t ;
}
return a ;
}

Programm: (Newton mit While-Schleife [[Link]])

#include ” f c p p . hh”

double w u r z e l ( double a )
{
double x = 1 . 0 ;

while ( f a b s ( x∗x − a ) > 1 e −12 )

x = 0 . 5 ∗ ( x + a /x ) ;
return x ;
}

int main ( )
{
return p r i n t ( w u r z e l ( 2 . 0 ) ) ;
}

3.7 Goto
Neben den oben eingeführten Schleifen gibt es eine alternative Möglichkeit die Wiederho-
lung zu formulieren. Wir betrachten nochmal die Berechnung der Fakultät mittels einer

58
while-Schleife:

int t = 1 ;
int i = 2 ;

while ( i <= n )
{
t = t∗ i ;
i = i +1;
}

Mit der goto-Anweisung kann man den Programmverlauf an einer anderen, vorher mar-
kierten Stelle fortsetzen:

int t = 1 ; int i = 2 ;
anfang : i f ( i > n ) return t ;
t = t∗ i ;
i = i +1;
goto anfang ;

• anfang nennt man eine Sprungmarke (engl.: label). Jede Anweisung kann mit einer
Sprungmarke versehen werden.
• Der Sprung kann nur innerhalb einer Funktion erfolgen.
• While- und For-Schleife können mittels goto und Selektion realisiert werden.
In einem berühmten Letter to the Editor [Go To Statement Considered Harmful, Commu-
nications of the ACM, Vol. II, Number 3, 1968 ] hat Edsger W. Dikstra13 dargelegt, dass
goto zu sehr unübersichtlichen Programmen führt und nicht verwendet werden sollte.
Man kann zeigen, dass goto nicht notwendig ist und man mit den obigen Schleifenkon-
strukten auskommen kann. Dies nennt man strukturierte Programmierung. Die Verwen-
dung von goto in C/C++ Programmen gilt daher als verpönt und schlechter Program-
mierstil!
Eine abgemilderte Form des goto stellen die break- und continue-Anweisung dar. Diese
erhöhen, mit Vorsicht eingesetzt, die Übersichtlichkeit von Programmen.

Regeln guter Programmierung

1. Einrückung sollte verwendet werden um Schachtelung von Schleifen bzw. if-Anweisungen

anzuzeigen:

i f ( x >= 0 )
{
i f ( y <= x )
b = x − y ; // b i s t g r o e s s e r 0
else
{

13
Edsger Wybe Dijkstra, 1930–2002, niederländischer Informatiker.

59
 while ( y > x )
y = y − 1;
b = x + y;
}
i = f (b) ;
}

2. Verwende möglichst sprechende Variablennamen! Kurze Variablennamen wie i, j,

k sollten nur innerhalb (kurzer) Schleifen verwendet werden (oder wenn sie der
mathematischen Notation entsprechen).
3. Beschränke die Gültigkeit von Konstanten und Variablen auf den kleinstem möglichen
Bereich.
4. Nicht mit Kommentaren sparen! Wichtige Anweisungen oder Programmzweige soll-
ten dokumentiert werden. Beim Programmieren im Großen“ ist die Programmdo-
”
kumentation natürlich ein wesentlicher Bestandteil der Programmierung.
5. Verletzung dieser Regeln werden wir in den Übungen ab sofort mit Punktabzug
belegen!
6. To be continued . . .

3.8 Formale Programmverifikation

Das Verständnis selbst einfacher imperativer Programme bereitet einige Mühe. Übung
und Erfahrung helfen hier zwar, aber trotzdem bleibt der Wunsch formal beweisen zu
können, dass ein Programm funktioniert“. Dies gilt insbesondere für sicherheitsrelevante
”
Programme.
Eine solche formale Programmverifikation“ erfordert folgende Schritte:
”
1. Eine formale Beschreibung dessen was das Programm leisten soll. Dies bezeichnet
man als Spezifikation.
2. Einen Beweis dass das Programm die Spezifikation erfüllt.
3. Dies erfordert eine formale Definition der Semantik der Programmiersprache.
Beginnen wir mit dem letzten Punkt. Hier haben sich unterschiedliche Vorgehensweisen
herausgebildet, die wir kurz beschreiben wollen:
• Operationelle Semantik. Definiere eine Maschine, die direkt die Anweisungen der
Programmiersprache verarbeitet.
• Denotationelle Semantik. Beschreibe Wirkung der Anweisungen der Programmier-
sprache als Zustandsänderung auf den Variablen:
– v1 , . . . , vm seien die Variablen im Programm. W (vi ) der Wertebereich von vi .
– Z = W (v1 ) × . . . × W (vm ) ist die Menge aller möglichen Zustände.
– Sei a eine Anweisung, dann beschreibt Fa : Z → Z die Wirkung der Anweisung.
• Axiomatische Semantik. Beschreibe Wirkung der Anweisungen mittels prädikatenlogischer
Formeln. Man schreibt
P {a} Q

60
 wobei P, Q Abbildungen in die Menge {wahr, falsch}, sog. Prädikate, und a eine
Anweisung ist.
P {a} Q bedeutet dann:
– Wenn P vor der Ausführung von a wahr ist, dann gilt Q nach der Ausführung
von a (P impliziert Q).
– P heißt auch Vorbedingung und Q Nachbedingung.
Beispiel:
−1000 < x ≤ 0 {x = x − 1} − 1000 ≤ x < 0

Der oben beschriebene Formalismus der axiomatischen Semantik heisst auch Hoare14 -
Kalkül. Für die gängigen Konstrukte imperativer Programmiersprachen, wie Zuweisung,
Sequenz und Selektion, lassen sich Zusammenhänge zwischen Vor- und Nachbedingung
herleiten.
Sei nun S ein Programmfragment oder gar das ganze Programm. Dann lassen sich mit
dem Hoare-Kalkül entsprechende P und Q finden so dass

P {S} Q.

Schließlich lässt sich die Spezifikation des Programms ebenfalls mittels prädikatenlogischer
Formeln ausdrücken. PSPEC bezeichnet entsprechend die Vorbedingung (Bedingung an die
Eingabe) unter der das Ergebnis QSPEC berechnet wird.
Für ein gegebenes Programm S, welches die Spezifikation implementieren soll, sei nun
PPROG {S} QPROG gezeigt. Der formale Prozess der Programmverifikation besteht dann
im folgenden Nachweis:

(PSPEC ⇒ PPROG ) ∧ (PPROG {S} QPROG ) ∧ (QPROG ⇒ QSPEC ). (1)

Dabei kann z. B. PSPEC eine stärkere Bedingung als PPROG sein. Beispiel:

−1000 < x ≤ 0 ⇒ x ≤ 0.

Der Nachweis von (1) liefert erst die partielle Korrektheit. Getrennt davon ist zu
zeigen, dass das Programm terminiert. Kann man dies nachweisen ist der Beweis der
totalen Korrektheit erbracht.
Der Nachweis von PPROG {S} QPROG kann durch automatische Theorembeweiser un-
terstützt werden.

Korrektheit von Schleifen mittels Schleifeninvariante Wir betrachten nun eine Vari-
ante des Hoare-Kalküls, mit der sich die Korrektheit von Schleifenkonstrukten nachweisen
lässt. Dazu betrachten wir eine while-Schleife in der kanonischen Form

while ( B(v) ) { v = H(v); }

mit
14
Sir Charles Anthony Richard Hoare, geb. 1934, brit. Informatiker.

61
 • v = (v1 , . . . , vm ) dem Vektor von Variablen, die im Rumpf modifiziert werden,
• B(v), der Schleifenbedingung und
• H(v) = (H1 (v1 , . . . , vm ), . . . , Hm (v1 , . . . , vm )) dem Schleifentransformator.
Als Beispiel dient die Berechnung der Fakultät. Dort lautet die Schleife:
while ( i <= n ) { t = t∗i; i = i+1; }
Also

v = (t, i) B(v) ≡ i ≤ n H(v) = (t ∗ i, i + 1).

Zusätzlich definieren wir die Abkürzung

H j (v) = H(H(. . . H( v) . . .)).

| {z }
j mal

Definition: (Schleifeninvariante)
Sei v j = H j (v 0 ), j ∈ N0 , die Belegung der Variablen nach j-maligem Durchlaufen der
Schleife. Eine Schleifeninvariante INV(v) erfüllt:
1. INV(v 0 ) ist wahr.
2. INV(v j ) ∧ B(v j ) ⇒ INV(v j+1 ).
Gilt die Invariante vor Ausführung der Schleife und ist die Schleifenbedingung erfüllt,
dann gilt die Invariante nach Ausführung des Schleifenrumpfes.
Angenommen, die Schleife wird nach k-maligem Durchlaufen verlassen, d. h. es gilt ¬B(v k ).
Ziel ist es nun zu zeigen, dass

INV(v k ) ∧ ¬B(v k ) ⇒ Q(v k )

wobei Q(v k ) die geforderte Nachbedingung ist.

Beispiel: Betrachte das Programm zur Berechnung der Fakultät von n:
t = 1; i = 2;
while ( i <= n ) { t = t∗i; i = i+1; }
Behauptung: Sei n ≥ 1, dann lautet die Schleifeninvariante:

INV(t, i) ≡ t = (i − 1)! ∧ i − 1 ≤ n.

1. Für v 0 = (t0 , i0 ) = (1, 2) gilt INV(1, 2) ≡ 1 = (2 − 1)! ∧ (2 − 1) ≤ n. Wegen n ≥ 1

ist das immer wahr.
2. Es gelte nun INV(v j ) ≡ tj = (ij − 1)! ∧ ij − 1 ≤ n sowie B(v j ) = ij ≤ n. (Vorsicht
v j bedeutet nicht v hoch j!). Dann gilt
• tj+1 = tj · ij = (ij − 1)! · ij = ij !
• ij+1 = ij + 1, somit gilt wegen ij = ij+1 − 1 auch tj+1 = (ij+1 − 1)!.
• Schließlich folgt aus B(ij , tj ) ≡ ij = ij+1 − 1 ≤ n dass INV(ij+1 , tj+1 ) wahr.

62
 3. Am Schleifenende gilt ¬(i ≤ n), also i > n, also i = n + 1 da i immer um 1 erhöht
wird. Damit gilt dann also

INV(i, t) ∧ ¬B(i, t)
⇔ t = (i − 1)! ∧ i − 1 ≤ n ∧ i = n + 1
⇔ t = (i − 1)! ∧ i − 1 = n
⇒ t = n! ≡ Q(n)

Für den Fall n ≥ 0 muss man den Fall 0! = 1 als Sonderfall hinzunehmen. Das Programm
ist auch für diesen Fall korrekt und die Schleifeninvariante lautet INV(i, t) ≡ (t = (i −
1)! ∧ i − 1 ≤ n) ∨ (n = 0 ∧ t = 1 ∧ i = 2).

3.9 Prozeduren und Funktionen

In der Mathematik ist eine Funktion eine Abbildung f : X → Y . C++ erlaubt entspre-
chend die Definition n-stelliger Funktionen

int f ( int x1 , int x2 ) { return x1 ∗ x1 + x2 ; }

...
int y = f ( 2 , 3 ) ;

In der Funktionalen Programmierung ist das einzig interessante an einer Funktion ihr
Rückgabewert. Seiteneffekte spielen keine Rolle. In der Praxis ist das jedoch anders. Be-
trachte

void drucke ( int x )

{
int i = p r i n t ( x ) ; // p r i n t aus f c p p . hh
}
...
drucke ( 3 ) ;
...

Es macht durchaus Sinn eine Funktion definieren zu können, deren einziger Zweck das
Ausdrucken des Arguments ist. So eine Funktion hat keinen sinnvollen Rückgabewert, ihr
einziger Zweck ist der Seiteneffekt.
C++ erlaubt dafür den Rückgabetyp void (nichts). Der Funktionsrumpf darf dann keine
return-Anweisung enthalten, welche einen Wert zurückgibt.
Der Funktionsaufruf ist eine gültige Anweisung, allerdings ist dann keine Zuweisung des
Rückgabewerts erlaubt (die Funktion gibt keinen Wert zurück).
Funktionen, die keine Werte zurückliefern heißen Prozeduren. In C++ werden Prozeduren
durch den Rückgabetyp void gekennzeichnet.
C++ erlaubt auch die Verwendung von Funktionen als Prozeduren, d. h. man verwendet
einfach den Rückgabewert nicht.

63
4 Benutzerdefinierte Datentypen
Die bisherigen Programme haben nur mit Zahlen (unterschiedlichen Typs) gearbeitet.
Richtige“ Programme bearbeiten allgemeinere Daten, z. B.
”
• Zuteilung der Studenten auf Übungsgruppen,
• Flugreservierungssystem,
• Textverarbeitungsprogramm, Zeichenprogramm, . . .
Bemerkung: Im Sinne der Berechenbarkeit ist das keine Einschränkung, denn auf
beliebig großen Bändern (Turing-Maschine), in beliebig tief verschachtelten Funktionen
(Lambda-Kalkül) oder in beliebig großen Zahlen (FC++ mit langen Zahlen) lassen sich
beliebige Daten kodieren.
Da dies aber sehr umständlich und ineffizient ist, erlauben praktisch alle Programmier-
sprachen dem Programmierer die Definition neuer Datentypen.

4.1 Aufzählungstyp
Dies ist ein Datentyp, der aus endlich vielen Werten besteht. Jedem Wert ist ein Name
zugeordnet.
Beispiel:

enum c o l o r { white , bl ack , red , green , blue , y e l l o w } ;

...
c o l o r bgcolor = white ;
color f g c o l o r = black ;

Syntax: (Aufzählungstyp)
< Enum > ::= enum < Identifikator >
{ < Identifikator > [ , < Identifikator > ] } ;

Programm: (Vollständiges Beispiel [[Link]])

#include ” f c p p . hh”

enum Zustand { neu , gebraucht , a l t , kaputt } ;

void druckeZustand ( Zustand x ) {

if ( x == neu ) p r i n t ( ” neu ” ) ;
if ( x == g e b r a u c h t ) p r i n t ( ” g e b r a u c h t ” ) ;
if ( x == a l t ) print ( ” alt ” ) ;
if ( x == kaputt ) p r i n t ( ” kaputt ” ) ;
}

int main ( ) { druckeZustand ( a l t ) ; }

64
4.2 Felder
Wir lernen nun einen ersten Mechanismus kennen, um aus einem bestehenden Datentyp,
wie int oder float, einen neuen Datentyp zu erschaffen: das Feld (engl.: Array).
Definition: Ein Feld besteht aus einer festen Anzahl von Elementen eines Grundtyps. Die
Elemente sind angeordnet, d. h. mit einer Numerierung (Index) versehen. Die Numerierung
ist fortlaufend und beginnt bei 0.

Bemerkung: In der Mathematik entspricht dies dem (kartesischen) Produkt von Men-
gen.

Beispiel: Das mathematische Objekt eines Vektors x = (x0 , x1 , x2 )T ∈ R3 wird in C++

durch

double x [ 3 ] ;

dargestellt. Auf die Komponenten greift man wie folgt zu:

x [ 0 ] = 1 . 0 ; // Z u g r i f f a u f das e r s t e F e l d e l e m e n t
x [ 1 ] = x [ 0 ] ; // das z w e i t e
x [ 2 ] = x [ 1 ] ; // und das l e t z t e

D. h. die Größen x[k] verhalten sich wie jede andere Variable vom Typ double.

Syntax: (Felddefinition)
< FeldDef > ::= < Typ > < Name: > [ < Anzahl > ]
Erzeugt ein Feld mit dem Namen < Name: >, das < Anzahl > Elemente des Typs < Typ >
enthält.

Bemerkung: Eine Felddefinition darf wie eine Variablendefinition verwendet werden.

Achtung: Bei der hier beschriebenen Felddefinition muss die Größe des Feldes zur
Übersetzungszeit bekannt sein! Folgendes geht also nicht:

void f ( int n )
{
char s [ n ] ;
...
}

aber immerhin

const int n = 8 ;
char s [ 3 ∗ ( n+1) ] ;

Vorsicht: Der GNU-C-Compiler erlaubt Felder variabler Größe als Spracherweiterung!

Sie müssen die Optionen -ansi -pedantic verwenden, um für obiges Programm eine
Fehlermeldung zu erhalten.

65
Sieb des Eratosthenes

Als Anwendung des Feldes betrachten wir eine Methode zur Erzeugung einer Liste von
Primzahlen, die Sieb des Eratosthenes15 genannt wird.
Idee: Wir nehmen eine Liste der natürlichen Zahlen größer 1 und streichen alle Vielfa-
chen von 2, 3, 4, . . .. Alle Zahlen, die durch diesen Prozess nicht erreicht werden, sind die
gesuchten Primzahlen.

Bemerkung:
• Es genügt, nur die Vielfachen der Primzahlen zu nehmen (Primfaktorzerlegung).
• Um nachzuweisen, dass N ∈ N√prim ist, reicht es, k - N (k ist kein Teiler von N )
für alle Zahlen k ∈ N mit k ≤ N zu testen.

Programm: (Sieb des Eratosthenes [[Link]])

#include ” f c p p . hh”

int main ( )
{
const int n = 5 0 0 0 0 0 ;
bool prim [ n ] ;

// I n i t i a l i s i e r u n g
prim [ 0 ] = f a l s e ;
prim [ 1 ] = f a l s e ;
for ( int i =2; i <n ; i=i +1 )
prim [ i ] = true ;

// S i e b
for ( int i =2; i<=s q r t ( ( double ) n ) ; i=i +1 )
i f ( prim [ i ] )
f o r ( int j =2∗ i ; j <n ; j=j+i )
prim [ j ] = f a l s e ;

// Ausgabe
int m = 0 ;
for ( int i =0; i <n ; i=i +1 )
i f ( prim [ i ] )
m = m+1;
p r i n t ( ” Anzahl Primzahlen : ” ) ;
print ( m ) ;

return 0 ;
}

Bemerkung: Der Aufwand des Algorithmus lässt sich wie folgt abschätzen:
15
Eratosthenes von Kyrene, ca. 276–194 v. Chr., außergewöhnlich vielseitiger griechischer Gelehrter.
Methode war damals schon bekannt, Eratosthenes hat nur den Begriff Sieb“ geprägt.
”

66
 1. Der Aufwand der Initialisierung ist Θ(n).
2. Unter der Annahme einer konstanten Primzahldichte“ erhalten wir
√
” √
n n Z √n
X n X 1 dx √ C
Aufwand(n) ≤ C = Cn ≤ Cn = Cn log n = n log n
k=2
k k=2
k 1 x 2

3. O(n log n) ist bereits eine fast optimale Abschätzung, da der Aufwand ja auch Ω(n)
ist. Man kann die Ordnungsabschätzung daher nicht wesentlich verbessern, selbst
wenn man zahlentheoretisches Wissen über die Primzahldichte hinzuziehen würde.

Bemerkung: Die Beziehung zur funktionalen Programmierung ist etwa folgende:

• Mit großen Feldern operierende Algorithmen kann man nur schlecht rein funktional
darstellen.
• Dies ist vor allem eine Effizienzfrage, weil oft kleine Veränderungen großer Felder
verlangt werden. Bei funktionaler Programmierung müsste man ein neues Feld er-
zeugen und als Rückgabewert verwenden.
• Algorithmen wie das Sieb des Eratosthenes formuliert man daher funktional auf
andere Weise (Datenströme, Streams), was interessant ist, allerdings manchmal auch
recht komplex wird. (Allerdings ist dieser Programmierstil auf neuen Prozessoren
wie Grafikkarten interessant).

4.3 Zeichen und Zeichenketten

Datentyp char

• Zur Verarbeitung von einzelnen Zeichen gibt es den Datentyp char, der genau ein
Zeichen aufnehmen kann:

char c = ’%’ ;

• Die Initialisierung benutzt die einfachen Anführungsstriche.

• Der Datentyp char ist kompatibel mit int (Zeichen entsprechen Zahlen im Bereich
−128 . . . 127). Man kann daher sogar mit ihm rechnen:

char c1 = ’ a ’ ;
char c2 = ’ b ’ ;
char c3 = c1+c2 ;
Normalerweise sollte man diese Eigenschaft aber nicht brauchen!

ASCII

Die den Zahlen 0 . . . 127 zugeordneten Zeichen nennt man den American Standard Code
for Information Interchange oder kurz ASCII. Den druckbaren Zeichen entsprechen die
Werte 32 . . . 127.
Programm: ([Link])

67
 #include ” f c p p . hh”

int main ( )
{
for ( int i =32; i <=127; i=i +1 )
p r i n t ( i , ( char ) i , 0 ) ;
}

Bemerkung:
• Das dritte Argument von print ist der (ignorierte) Rückgabewert.
• Die Zeichen 0, . . . , 31 dienen Steuerzwecken wie Zeilenende, Papiervorschub, Piep-
ston, etc.
• Für die negativen Werte −128, . . . , −1 (entspricht 128, . . . , 255 bei vorzeichenlosen
Zahlen) gibt es verschiedene Belegungstabellen (ISO 8859-n), mit denen man Zei-
chensätze und Sonderzeichen anderer Sprachen abdeckt.
• Noch komplizierter wird die Situation, wenn man Zeichensätze für Sprachen mit
sehr vielen Zeichen (Chinesisch, Japanisch, etc) benötigt, oder wenn man mehrere
Sprachen gleichzeitig behandeln will.
Stichwort: Unicode.

Zeichenketten

Zeichenketten realisiert man in C am einfachsten mittels einem char-Feld. Konstante

Zeichenketten kann man mit doppelten Anführungsstrichen auch direkt im Programm
eingeben.
Beispiel: Initialisierung eines char-Felds:

char c [ 1 0 ] = ” H a l l o ” ;

Bemerkung: Das Feld muss groß genug sein, um die Zeichenkette samt einem Endezei-
chen (in C das Zeichen mit ASCII-Code 0) aufnehmen zu können. Diese feste Größe ist
oft sehr unhandlich, und viele Sicherheitsprobleme entstehen aus der Verwendung von zu
kurzen char-Feldern von unachtsamen C-Programmierern!

Programm: (Zeichenketten im C-Stil [[Link]])

#include ” f c p p . hh”

int main ( )
{
char name [ 3 2 ] = ” Alan Turing ” ;

for ( int i =0; name [ i ] ! = 0 ; i=i +1 )

p r i n t ( name [ i ] ) ; // e i n z e l n e Z e i c h e n
p r i n t ( name ) ; // g an z e Z e i c h e n k e t t e
}

68
In C++ gibt es einen Datentyp string, der sich besser zur Verarbeitung von Zeichenket-
ten eignet als bloße char-Felder:
Programm: (Zeichenketten im C++-Stil [[Link]])

#include ” f c p p . hh”
#include <s t r i n g >

int main ( )
{
std : : s t r i n g vorname = ” Alan ” ;
std : : s t r i n g nachname = ” Turing ” ;
std : : s t r i n g name = vorname + ” ” + nachname ;
p r i n t ( name );
}

Dies erfordert das einbinden der Header-Datei string mit dem #include Befehl.

4.4 Typedef
Mittels der typedef-Anweisung kann man einem bestehenden Datentyp einen neuen Na-
men geben.
Beispiel:

typedef int MyInteger ;

Damit hat der Datentyp int auch den Namen MyInteger erhalten.

Bemerkung: MyInteger ist kein neuer Datentyp. Er darf synonym mit int verwendet
werden:

MyInteger x = 4 ; // e i n MyInteger
int y = 3 ; // e i n i n t

x = y; // Zuweisung OK, Typen i d e n t i s c h

Anwendung: Verschiedene Computerarchitekturen (Rechner/Compiler) verwenden un-

terschiedliche Größen etwa von int-Zahlen. Soll nun ein Programm portabel auf ver-
schiedenen Architekturen laufen, so kann man es an kritischen Stellen mit MyInteger
schreiben. MyInteger kann dann an einer Stelle architekturabhängig definiert werden.

Beispiel: Auch Feldtypen kann man einen neuen Namen geben:

typedef double Punkt3d [ 3 ] ;

Dann kann man bequem schreiben:

Punkt3d a , b ;
a [0] = 0.0; a [1] = 1.0; a [2] = 2.0;
b[0] = 0.0; b[1] = 1.0; b[2] = 2.0;

69
Bemerkung: Ein Tipp zur Syntax: Man stelle sich eine Felddefinition vor und schreibt
typedef davor.

4.5 Das Acht-Damen-Problem

Problem: Wie kann man acht Damen so auf einem Schachbrett positionieren, dass sie
sich nicht gegenseitig schlagen können?
Zugmöglichkeiten der Dame: horizontal, vertikal, diagonal

bedrohtes Feld

Zeile j

Dame

Spalte i

Bemerkung:
• Ist daher die Dame an der Stelle (i, j), so bedroht sie alle (i0 , j 0 ) mit
– i = i0 oder j = j 0
– (i − i0 ) = (j − j 0 ) oder (i − i0 ) = −(j − j 0 )
• Bei jeder Lösung steht in jeder Zeile/Spalte des Bretts genau eine Dame.

Idee:
• Man baut die Lösungen sukzessive auf, indem man erst in der ersten Zeile eine Dame
platziert, dann in der zweiten, usw.
• Die Platzierung der ersten n Damen kann man durch ein int-Feld der Länge n
beschreiben, wobei jede Komponente die Spaltenposition der Dame enthält.

Programm: (Acht-Damen-Problem [[Link]])

#include ” f c p p . hh”
#include <s t r i n g >

const int b o a r d s i z e = 8 ; // g l o b a l e Konstante

typedef int columns [ b o a r d s i z e ] ; // neuer Datentyp ” columns ”

bool g o o d p o s i t i o n ( int new row , columns q u e e n c o l s , int n e w c o l )

{
for ( int row =0; row<new row ; row=row+1 )

70
 i f ( ( q u e e n c o l s [ row ] == n e w c o l ) | |
( new row−row == abs ( q u e e n c o l s [ row]− n e w c o l ) ) )
return f a l s e ;
return true ;
}

void d i s p l a y b o a r d ( columns q u e e n c o l s )
{
for ( int r =0; r<b o a r d s i z e ; r=r+1 )
{
std : : s t r i n g s ( ”” ) ;
for ( int c =0; c<b o a r d s i z e ; c=c+1 )
i f ( c != q u e e n c o l s [ r ] )
s = s + ”.”;
else
s = s + ”D” ;
print ( s ) ;
}
print ( ” ” ) ;
}

int q u e e n c o n f i g s ( int row , columns q u e e n c o l s )

{
i f ( row == b o a r d s i z e )
{
display board ( queen cols ) ;
return 1 ;
}
else
{
int n r c o n f i g s = 0 ;
for ( int c o l =0; c o l <b o a r d s i z e ; c o l=c o l +1 )
i f ( g o o d p o s i t i o n ( row , q u e e n c o l s , c o l ) )
{
q u e e n c o l s [ row ] = c o l ;
nr configs = nr configs +
q u e e n c o n f i g s ( row+1, q u e e n c o l s ) ;
}
return n r c o n f i g s ;
}
}

int main ( )
{
columns q u e e n c o l s ;
p r i n t ( ” Anzahl Loesungen ” ) ;
print ( queen configs ( 0 , queen cols ) ) ;
return 0 ;
}

71
Bemerkung: Dieses Programm benutzt ein weiteres neues Element:
• Es wurde eine globale Konstante board size verwendet. Diese kann innerhalb aller
Funktionen benutzt werden.
• Auch die Typdefinition kann innerhalb aller Funktionen benutzt werden.
• Ein Feld wird als Argument an eine Funktion übergeben. Solche Argumente werden
nicht kopiert (!). Dazu später mehr. Solange man Argumente nur liest oder nur neue
Feldelemente beschreibt (wie hier) kann man sich auch vorstellen das Argument
würde kopiert werden.
• Daher bis auf weiteres: Vorsicht bei der Benutzung von Feldern als Argumente von
Funktionen!

Bemerkung:
• Dieses Verfahren des Ausprobierens verschiedener Möglichkeiten durch eine soge-
nannte Tiefensuche in einem Baum ist als Backtracking bekannt.
• Für n = 8 gibt es 92 Lösungen. Eine davon ist
. . . . . . . D
. . . D . . . .
D . . . . . . .
. . D . . . . .
. . . . . D . .
. D . . . . . .
. . . . . . D .
. . . . D . . .

4.6 Zusammengesetzte Datentypen

Bei zusammengesetzten Datentypen kann man eine beliebige Anzahl möglicherweise ver-
schiedener (sogar zusammengesetzter) Datentypen zu einem neuen Datentyp kombinieren.
Diese Art Datentypen nennt man Strukturen.
Beispiel: Aus zwei int-Zahlen erhalten wir die Struktur Rational:

struct R a t i o n a l { // S c h l u e s s e l w o r t s t r u c t
int z a e h l e r ; // e i n e L i s t e von
int nenner ; // V a r i a b l e n d e f i n i t i o n e n
}; // Semikolon n i c h t v e r g e s s e n

Dieser Datentyp kann nun wie folgt verwendet werden

Rational p ; // D e f i n i t i o n e i n e r V a r i a b l e n
p. zaehler = 3; // I n i t i a l i s i e r u n g d e r Komponenten
p . nenner = 4 ;

Syntax: (Zusammengesetzter Datentyp)

72
 < StructDef > ::= struct < Name > { { < Komponente > ; }+ } ;
< Komponente > ::= < VarDef > | < FeldDef > | . . .
Eine Komponente ist entweder eine Variablendefinition ohne Initialisierung oder eine Feld-
definition. Dabei kann der Typ der Komponente selbst zusammengesetzt sein.

Bemerkung: Strukturen sind ein Spezialfall von sehr viel mächtigeren Klassen, die
später im OO-Teil behandelt werden.

Bemerkung: Im Gegensatz zu Feldern kann man mit Strukturen (zusammengesetzten

Daten) gut funktional arbeiten, siehe etwa Abelson&Sussman: Structure and Interpreta-
tion of Computer Programs.

Anwendung: Rationale Zahlen Programm: (Rationale Zahlen, die erste [[Link]])

#include ” f c p p . hh”

struct R a t i o n a l {
int z a e h l e r ;
int nenner ;
};

// A b s t r a k t i o n : K o n s t r u k t o r und S e l e k t o r e n

R a t i o n a l e r z e u g e r a t ( int z , int n )
{
Rational t ;
t . zaehler = z ;
t . nenner = n ;
return t ;
}

int z a e h l e r ( R a t i o n a l q )
{
return q . z a e h l e r ;
}

int nenner ( R a t i o n a l q )
{
return q . nenner ;
}

// A r i t h m e t i s c h e Op er at i on en

Rational add rat ( Rational p , Rational q )

{
return e r z e u g e r a t ( z a e h l e r ( p ) ∗ nenner ( q ) +
z a e h l e r ( q ) ∗ nenner ( p ) ,
nenner ( p ) ∗ nenner ( q ) ) ;

73
 }

Rational sub rat ( Rational p , Rational q )

{
return e r z e u g e r a t ( z a e h l e r ( p ) ∗ nenner ( q ) −
z a e h l e r ( q ) ∗ nenner ( p ) ,
nenner ( p ) ∗ nenner ( q ) ) ;
}

Rational mul rat ( Rational p , Rational q )

{
return e r z e u g e r a t ( z a e h l e r ( p ) ∗ z a e h l e r ( q ) ,
nenner ( p ) ∗ nenner ( q ) ) ;
}

Rational div rat ( Rational p , Rational q )

{
return e r z e u g e r a t ( z a e h l e r ( p ) ∗ nenner ( q ) ,
nenner ( p ) ∗ z a e h l e r ( q ) ) ;
}

void d r u c k e r a t ( R a t i o n a l p )
{
p r i n t ( z a e h l e r ( p ) , ” / ” , nenner ( p ) , 0 ) ;
}

int main ( )
{
Rational p = erzeuge rat ( 3 , 4 ) ;
Rational q = erzeuge rat ( 5 , 3 ) ;
drucke rat ( p ) ; drucke rat ( q ) ;

// p∗ q + p − p∗p
Rational r = sub rat ( add rat ( mul rat ( p , q ) , p ) ,
mul rat ( p , p ) ) ;
drucke rat ( r ) ;
return 0 ;
}

Bemerkung: Man beachte die Abstraktionsschicht, die wir durch den Konstruktor
erzeuge rat und die Selektoren zaehler und nenner eingeführt haben. Diese Schicht
stellt die sogenannte Schnittstelle dar, über die unser Datentyp verwendet werden soll.

Problem: Noch ist keine Kürzung im Programm eingebaut. So liefert das obige Pro-
gramm 1104/768 anstatt 23/16.

Abhilfe: Normalisierung im Konstruktor:

R a t i o n a l e r z e u g e r a t ( int z , int n )
{

74
 int g ;
Rational t ;

i f ( n < 0 ) { n = −n ; z = −z ; }
g = ggT ( s t d : : abs ( z ) , n ) ;
t . zaehler = z / g ;
t . nenner = n / g ;
return t ;
}

Bemerkung: Ohne die Verwendung des Konstruktors hätten wir in allen arithmetischen
Funktionen Änderungen durchführen müssen, um das Ergebnis in Normalform zu bringen.

Komplexe Zahlen Analog lassen sich komplexe Zahlen einführen:

Programm: (Komplexe Zahlen, Version 1 [[Link]])

#include ” f c p p . hh”

struct Complex
{
float real ;
f l o a t imag ;
};

Complex e r z e u g e c o m p l e x ( f l o a t re , f l o a t im )
{
Complex t ;
t . r e a l = r e ; t . imag = im ;
return t ;
}

f l o a t r e a l ( Complex q ) { return q . r e a l ; }
f l o a t imag ( Complex q ) { return q . imag ; }

Complex add complex ( Complex p , Complex q )

{
return e r z e u g e c o m p l e x ( r e a l ( p ) + r e a l ( q ) ,
imag ( p ) + imag ( q ) ) ;
}

// e t c

void d r u c k e c o m p l e x ( Complex p )
{
p r i n t ( r e a l ( p ) , ”+i ∗” , imag ( p ) , 0 ) ;
}

75
 int main ( )
{
Complex p = e r z e u g e c o m p l e x ( 3 . 0 , 4 . 0 ) ;
Complex q = e r z e u g e c o m p l e x ( 5 . 0 , 3 . 0 ) ;
drucke complex ( p ) ;
drucke complex ( q ) ;
d r u c k e c o m p l e x ( add complex ( p , q ) ) ;
}

Bemerkung: Hier wäre bei Verwendung der Funktionen real und imag zum Beispiel
auch eine Änderung der internen Darstellung zu Betrag/Argument ohne Änderung der
Schnittstelle möglich.

Gemischtzahlige Arithmetik Problem: Was ist, wenn man mit komplexen und ratio-
nalen Zahlen gleichzeitig rechnen will?

Antwort: Eine Möglichkeit, die bereits die Sprache C bietet, ist die folgende:
1. Führe eine sogenannte variante Struktur (Schlüsselwort union) ein, die entweder ei-
ne rationale oder eine komplexe Zahl enthalten kann neuer Datentyp Combination
2. Füge auch eine Kennzeichnung hinzu, um was für eine Zahl (rational/komplex) es
sich tatsächlich handelt neuer Datentyp Mixed.
3. Funktionen wie add mixed prüfen die Kennzeichnung, konvertieren bei Bedarf und
rufen dann add rat bzw. add complex auf.

struct R a t i o n a l { int n ; int d ; } ;

struct Complex { f l o a t r e ; f l o a t im ; } ;

union Combination // e n t w e d e r od er !
{
Rational p ;
Complex c ;
};

enum Kind { r a t i o n a l , complex } ;

struct Mixed // g e m i s c h t e Z a h l
{
Kind a ; // w e l c h e b i s t Du?
Combination com ; // b e n u t z e j e nach Art
};

Bemerkung: Diese Lösung hat etliche Probleme:

• Umständlich und unsicher (überschreiben)
• Das Hinzufügen weiterer Zahlentypen macht eine Änderung von bestehenden Funk-
tionen nötig

76
 • Typprüfungen zur Laufzeit → keine optimale Effizienz
• Speicherplatzbedarf der größten Komponente
• Hätten gerne: Infix-Notation mit unseren Zahlen

Bemerkung: Einige dieser Probleme werden wir mit den objektorientierten Erweiterun-
gen von C++ vermeiden. Man sollte sich allerdings auch klar machen, dass das Problem
von Arithmetik mit verschiedenen Zahltypen und eventuell auch verschiedenen Genauig-
keiten tatsächlich extrem komplex ist. Eine vollkommene Lösung darf man daher nicht
erwarten.

5 Globale Variablen und das Umgebungsmodell

5.1 Globale Variablen

Bisher: Funktionen haben kein Gedächtnis! Ruft man eine Funktion zweimal mit den
selben Argumenten auf, so liefert sie auch dasselbe Ergebnis.

Grund:
• Berechnung einer Funktion hängt nur von ihren Parametern ab.
• Die lokale Umgebung bleibt zwischen Funktionsaufrufen nicht erhalten.
Das werden wir jetzt ändern!

Beispiel: Konto Ein Konto kann man einrichten (mit einem Anfangskapital versehen),
man kann abheben (mit negativem Betrag auch einzahlen), und man kann den Kontostand
abfragen.
Programm: (Konto [[Link]])

#include ” f c p p . hh”

int konto ; // d i e GLOBALE V a r i a b l e

void e i n r i c h t e n ( int b e t r a g )
{
konto = b e t r a g ;
}

int k o n t o s t a n d ( )
{
return konto ;
}

int abheben ( int b e t r a g )

{
konto = konto − b e t r a g ;

77
 return konto ;
}

int main ( )
{
e i n r i c h t e n ( 100 );
p r i n t ( abheben ( 25 ) ) ;
p r i n t ( abheben ( 25 ) ) ;
p r i n t ( abheben ( 25 ) ) ;
}

Bemerkung:
• Die Variable konto ist außerhalb jeder Funktion definiert.
• Die Variable konto wird zu Beginn des Programmes erzeugt und nie mehr zerstört.
• Alle Funktionen können auf die Variable konto zugreifen. Man nennt sie daher eine
globale Variable.
• Die Funktionen einrichten, kontostand und abheben stellen die Schnittstelle
zur Bearbeitung des Kontos dar.

Frage: Oben haben wir eingeführt, dass Ausdrücke relativ zu einer Umgebung ausgeführt
werden. In welcher Umgebung liegt konto?

5.2 Das Umgebungsmodell

Die Auswertung von Funktionen und Ausdrücken mit Hilfe von Umgebungen nennt man
Umgebungsmodell (im Gegensatz zum Substitutionsmodell).
Definition: (Umgebung)
• Eine Umgebung enthält eine Bindungstabelle, d. h. eine Zuordnung von Namen zu
Werten.
• Es kann beliebig viele Umgebungen geben. Umgebungen werden während des Pro-
grammlaufes implizit (automatisch) oder explizit (bewusst) erzeugt bzw. zerstört.
• Die Menge der Umgebungen bildet eine Baumstruktur. Die Wurzel dieses Baumes
heißt globale Umgebung.
• Zu jedem Zeitpunkt des Programmablaufes gibt es eine aktuelle Umgebung. Die
Auswertung von Ausdrücken erfolgt relativ zur aktuellen Umgebung.
• Die Auswertung relativ zur aktuellen Umgebung versucht den Wert eines Namens in
dieser Umgebung zu ermitteln, schlägt dies fehl, wird rekursiv in der nächst höheren
( umschließenden“) Umgebung gesucht.
”
Eine Umgebung ist also relativ kompliziert. Das Umgebungsmodell beschreibt, wann Um-
gebungen erzeugt/zerstört werden und wann die Umgebung gewechselt wird.
Beispiel:

78
 Nach Marke 5:

int x = 3 ; globale Umg.

double a = 4 . 3 ; // 1 x int 3
int main ( ) a double 3.14
{
int y = 1 ;
float a = 5 . 0 ; // 2
main()
{
int y = 4 ; y int 1
a float 5.0
int a = 8 ; // 3
a = 5 ∗ y; // 4
: : a = 3.14; // 5
} Block 1 in main()
} // 6 y int 4
a int 20

Eigenschaften:
• In einer Umgebung kann ein Name nur höchstens einmal vorkommen. In verschie-
denen Umgebungen kann ein Name mehrmals vorkommen.
• Kommt auf dem Pfad von der aktuellen Umgebung zur Wurzel ein Name mehrmals
vor, so verdeckt das erste Vorkommen die weiteren.
• Eine Zuweisung wirkt immer auf den sichtbaren Namen. Mit vorangestelltem ::
erreicht man die Namen der globalen Umgebung.
• Eine Anweisungsfolge in geschweiften Klammern bildet einen sogenannten Block,
der eine eigene Umgebung besitzt.
• Eine Schleife for ( int i=0; ... wird in einer eigenen Umgebung ausgeführt.
Diese Variable i gibt es im Rest der Funktion nicht.

Beispiel: (Funktionsaufruf)

int konto ; Nach Marke 2:

void e i n r i c h t e n ( int b e t r a g ) globale Umgebung
{
konto int 100
konto = b e t r a g ; // 2
}

int main ( ) main einrichten

{ betrag int 100
e i n r i c h t e n ( 100 ) ; // 1
}

Bemerkung:
• Jeder Funktionsaufruf startet eine neue Umgebung unterhalb der globalen Umge-
bung. Dies ist dann die aktuelle Umgebung.

79
 • Am Ende einer Funktion wird ihre Umgebung vernichtet und die aktuelle Umgebung
wird die, in der der Aufruf stattfand (gestrichelte Linie).
• Formale Parameter sind ganz normale Variablen, die mit dem Wert des aktuellen
Parameters initialisiert sind.
• Sichtbarkeit von Namen ist in C++ am Programmtext abzulesen (statisch) und
somit zur Übersetzungszeit bekannt. Sichtbar sind: Namen im aktuellen Block, nicht
verdeckte Namen in umschließenden Blöcken und Namen in der globalen Umgebung.

Beispiel: (Rekursiver Aufruf)

Während Auswertung von fak(3):
int f a k ( int n )
{ globale Umgebung
i f ( n == 1 )
return 1 ; main fak
else
f int ? n int 3
return n ∗ f a k ( n−1 ) ;
}
fak

int main ( ) n int 2

{
int f = f a k ( 3 ) ; // 1 fak
} n int 1

Bemerkung: Im obigen Beispiel gibt es zusätzlich noch eine versteckte“ Variable für den
”
Rückgabewert einer Funktion. Return kann als Zuweisung über Umgebungsgrenzen
hinweg verstanden werden.

Beispiel: Die Berechnung von fak(3) führt zu:

main main main main main main main

f ? f ? f ? f ? f ? f ? f 6
fak fak fak fak fak

n 3 n 3 n 3 n 3 n 3
fak fak fak

n 2 n 2 n 2
fak

n 1

5.3 Stapel

80
Bezeichnung: Die Datenstruktur, mit der das Umgebungsmodell normalerweise imple-
mentiert wird, nennt man Stapel, Stack oder LIFO (last in, first out). Im Deutschen ist,
historisch bedingt, auch die Bezeichnung Keller gebräuchlich.

Definition: Ein Stapel ist eine Datenstruktur, welche folgende Operationen zur Verfügung
stellt:
• Erzeugen eines leeren Stapels (create)
• Ablegen eines neuen Elements auf dem Stapel (push)
• Test, ob Stapel leer (empty)
• Holen des zuletzt abgelegten Elements vom Stapel (pop)

Programm: (Stapel [[Link]])

#include ” f c p p . hh”

typedef int e l e m e n t t y p e ; // I n t e g e r −S t a c k

// START s t a c k −l i b r a r y . . .

const int s t a c k s i z e = 1 0 0 0 ;

element type stack [ s t a c k s i z e ] ;

int top = 0 ; // S t a p e l z e i g e r ( z e i g t a u f n a e c h s t e s f r e i e s Element )

// Stack −O pe ra t io ne n

void push ( e l e m e n t t y p e e )
{
s t a c k [ top ] = e ;
top = top + 1 ;
}

bool empty ( )
{
return top == 0 ;
}

e l e m e n t t y p e pop ( )
{
top = top − 1 ;
return s t a c k [ top ] ;
}

int main ( )
{
push ( 4 ) ;
push ( 5 ) ;
while ( ! empty ( ) )
p r i n t ( pop ( ) ) ;

81
 return 0 ;
}

Bemerkung: Die Stapel-Struktur kann man verwenden, um rekursive in nicht rekursive

Programme zu transformieren (wen es interessiert, findet unten eine nichtrekursive Vari-
ante für das Wechselgeld Beispiel). Dies ist aber normalerweise nicht von Vorteil, da der
für Rekursion verwendete Stapel höchstwahrscheinlich effizienter verwaltet wird.

Programm: (Wechselgeld nichtrekursiv [wg−[Link]])

#include ” f c p p . hh”

int nennwert ( int nr ) // Muenzart −> Muenzwert

{
i f ( nr == 1 ) return 1 ; i f ( nr == 2 ) return 2 ;
i f ( nr == 3 ) return 5 ; i f ( nr == 4 ) return 1 0 ;
i f ( nr == 5 ) return 5 0 ;
return 0 ;
}

struct Arg // S t a p e l e l e m e n t e
{
int b e t r a g ; // das s i n d d i e Argumente d e r
int muenzarten ; // r e k u r s i v e n V a r i a n t e
};

const int N = 1 0 0 0 ; // S t a p e l g r o e s s e

int w e c h s e l g e l d 2 ( int b e t r a g )
{
Arg s t a p e l [N ] ; // h i e r i s t d e r S t a p e l
int sp = 0 ; // d e r ” s t a c k p o i n t e r ”
int a n z a h l = 0 ; // das E r g e b n i s
int b , m; // H i l f s v a r i a b l e n i n S c h l e i f e

s t a p e l [ sp ] . b e t r a g = b e t r a g ; // i n i t i a l i s i e r e S t .
s t a p e l [ sp ] . muenzarten = 5 ; // S t a r t w e r t
sp = sp + 1 ; // e i n Element mehr

while ( sp > 0 ) // S o l a n g e S t a p e l n i c h t l e e r
{
sp = sp − 1 ; // l e s e o b e r s t e s Element
b = s t a p e l [ sp ] . b e t r a g ; // l e s e Argumente
m = s t a p e l [ sp ] . muenzarten ;

i f ( b == 0 )
anzahl = anzahl + 1; // M o e g l i c h k e i t g e f u n d e n
e l s e i f ( b>0 && m>0 )
{
i f ( sp >= N )

82
 {
p r i n t ( ” S t a p e l zu k l e i n ” ) ;
return a n z a h l ;
}
s t a p e l [ sp ] . b e t r a g = b ; // B e t r a g b
s t a p e l [ sp ] . muenzarten = m − 1 ; // mit m − 1 Muenzarten
sp = sp + 1 ;

i f ( sp >= N )
{
p r i n t ( ” S t a p e l zu k l e i n ” ) ;
return a n z a h l ;
}
s t a p e l [ sp ] . b e t r a g = b − nennwert (m) ;
s t a p e l [ sp ] . muenzarten = m; // mit m Muenzarten
sp = sp + 1 ;
}
}

return a n z a h l ; // S t a p e l i s t j e t z t l e e r
}

int main ( )
{
p r i n t ( w e c h s e l g e l d 2 ( 300 ) ) ;
}

5.4 Monte-Carlo Methode zur Bestimmung von π

Folgender Satz soll zur (näherungsweisen) Bestimmung von π herangezogen werden (ran-
domisierter Algorithmus):
Satz: Die Wahrscheinlichkeit q, dass zwei Zahlen u, v ∈ N keinen gemeinsamen Teiler
haben, ist π62 . Zu dieser Aussage siehe [Knuth, Vol. 2, Theorem D].
Um π zu approximieren, gehen wir daher wie folgt vor:
• Führe N Experimente“ durch:
”
– Ziehe zufällig“ zwei Zahlen 1 ≤ ui , vi ≤ n.
”
– Berechne ggT(ui , vi ).
– Setze 
1 falls ggT(ui , vi ) = 1
ei =
0 sonst
N
P
ei
• Berechne relative Häufigkeit p(N ) = i=1
N
. Nach obigem Satz erwarten wir
6
lim p(N ) = .
N →∞ π2

83
 p
• Also gilt π ≈ 6/p(N ) für große N .

Pseudo-Zufallszahlen Um Zufallszahlen zu erhalten, könnte man physikalische Phänomene

heranziehen, von denen man überzeugt ist, dass sie zufällig“ ablaufen (z. B. radioakti-
”
ver Zerfall). Solche Zufallszahl-Generatoren gibt es tatsächlich, sie sind allerdings recht
teuer.
Daher begnügt man sich stattdessen oft mit Zahlenfolgen xk ∈ N, 0 ≤ xk < n, welche
deterministisch sind, aber zufällig aussehen“. Für die Zufälligkeit“ gibt es verschiede-
” ”
ne Kriterien. Beispielsweise sollte jede Zahl gleich oft vorkommen, wenn man die Folge
genügend lang macht:

|{i|1 ≤ i ≤ m ∧ xi = k}| 1
lim = , ∀k = 0, . . . , n − 1.
m→∞ m n

Einfachste Methode: (Linear Congruential Method) Ausgehend von einem x0 ver-

langt man für x1 , x2 , . . . die Iterationsvorschrift

xn+1 = (axn + c) mod m.

Damit die Folge zufällig aussieht, müssen a, c, m ∈ N gewisse Bedingungen erfüllen, die
man in [Knuth, Vol. 2, Kapitel 3] nachlesen kann.
Programm: (π mit Monte Carlo Methode [[Link]])

#include ” f c p p . hh”

int x = 9 3 2 6 7 ;

unsigned int z u f a l l ( )
{
const int i a = 1 6 8 0 7 , im = 2 1 4 7 4 8 3 6 4 7 ;
const int i q = 1 2 7 7 7 3 , i r = 2 8 3 6 ;
int k ;

k = x / iq ; // LCG xneu = ( a ∗ x a l t ) mod m

x = i a ∗ ( x − k∗ i q ) − i r ∗k ; // a = 7ˆ5 , m = 2ˆ31−1
i f ( x < 0 ) x = x + im ; // keine lange Arithmetik
return x ; // s . Numerical R e c i p e s
} // i n C, Kap . 7 .

unsigned int ggT ( unsigned int a , unsigned int b )

{
i f ( b == 0 ) return a ;
else return ggT ( b , a % b ) ;
}

int e x p e r i m e n t ( )
{
unsigned int x1 , x2 ;

84
 x1 = z u f a l l ( ) ; x2 = z u f a l l ( ) ;
i f ( ggT ( x1 , x2 ) == 1 )
return 1 ;
else
return 0 ;
}

double m o n t e c a r l o ( int N )
{
int e r f o l g r e i c h = 0 ;

for ( int i =0; i <N; i=i +1 )

e r f o l g r e i c h = e r f o l g r e i c h + experiment ( ) ;

return ( ( double ) e r f o l g r e i c h ) / ( ( double ) N) ;

}

int main ( int argc , char ∗ argv [ ] )

{
p r i n t ( s q r t ( 6 . 0 / m o n t e c a r l o ( r e a d a r g i n t ( argc , argv , 1 ) ) ) ) ;
}

Monte-Carlo funktional Die Funktion zufall widerspricht offenbar dem funktionalen

Paradigma (sonst müsste sie ja immer denselben Wert zurückliefern!). Stattdessen hat sie
Gedächtnis“ durch die globale Variable x.
”
Frage: Wie würde eine funktionale(re) Version des Programms ohne globale Variable
aussehen?

Antwort: Eine Möglichkeit wäre es, zufall den Parameter x zu übergeben, woraus dann
ein neuer Wert berechnet wird. Dieser Parameter müsste aber von main aus durch alle
Funktionen hindurchgetunnelt werden:

main

montecarlo

experiment

zufall

Für experiment→montecarlo ist obendrein die Verwendung eines zusammengesetzten

Datentyps als Rückgabewert nötig.

85
Beobachtung: In dieser Situation entstünde durch Beharren auf einem funktionalen Stil
zwar kein Effizienzproblem, die Struktur des Programms würde aber deutlich komplizier-
ter.

6 Zeiger und dynamische Datenstrukturen

6.1 Zeiger
Wir können uns eine Umgebung als Sammlung von Schubladen (Orten) vorstellen, die
Werte aufnehmen können. Jede Schublade hat einen Namen, einen Typ und einen Wert:

globale Umgebung
int n = 3 ;
int n: 3
int main ( )
{ main
int m = 5 ;
} int m: 5

Idee: Es wäre nun praktisch, wenn man so etwas wie Erhöhe den Wert in dieser Schub-
”
lade (Variable) um eins“ ausdrücken könnte.

Anwendung: Im Konto-Beispiel möchten wir nicht nur ein Konto sondern viele Konten
verwenden. Hierzu benötigt man einen Mechanismus, der einem auszudrücken erlaubt,
welches Konto verändert werden soll.

Idee: Man führt einen Datentyp Zeiger (Pointer) ein, der auf Variable (Schubladen)
zeigen kann. Variablen, die Zeiger als Werte haben, heißen Zeigervariablen.

Bemerkung: Intern entspricht ein Zeiger der Adresse im physikalischen Speicher, an

dem der Wert einer Variablen steht.

Notation: Die Definition int∗ x;“ vereinbart, dass x auf Variablen (Schubladen) vom
”
Typ int zeigen kann. Man sagt x habe den Typ int∗“.
”
Die Zuweisung x = &n;“ lässt x auf den Ort zeigen, an dem der Wert von n steht.
”
Die Zuweisung ∗x = 4;“ verändert den Wert der Schublade, auf die x zeigt“.
” ”
Beispiel:

86
 Nach (2)
globale Umgebung
int n: 3

int n = 3 ; main

int main ( ) int m: 5

{ int* x:
int m = 5 ; // 1
int ∗ x = &m; // 2
Nach (5)
∗x = 4 ; // 3
x = &n ; // 4 globale Umgebung
∗x = 1 3 ; // 5
int n: 13
return 0 ;
}
main

int m: 4
int* x:

6.2 Zeiger im Umgebungsmodell

Im Umgebungsmodell gibt es eine Bindungstabelle, mittels derer jedem Namen ein Wert
(und ein Typ) zugeordnet wird, etwa:

Name Wert Typ

n 3 int
m 5 int
Mathematisch entspricht das einer Abbildung w, die die Symbole n, m auf die Wertemenge
abbildet:
w : {n, m} → Z.
Die Zuweisung n = 3;“ ( =“ ist Zuweisung) manipuliert die Bindungstabelle so, dass
” ”
nach der Zuweisung w(n) = 3 ( =“ ist Gleichheit) gilt.
”
Wenn auf der rechten Seite der Zuweisung auch ein Name steht, etwa n = m+1;“, dann
”
gilt nach der Zuweisung w(n) = w(m) + 1. Auf beide Namen wird also w angewandt.
Problem: Wir haben mehrere verschiedene Konten und möchten eine Funktion schrei-
ben, die Beträge von Konten abhebt. In einer Variable soll dabei angegeben werden, von
welchem Konto abgehoben wird.
Idee: Wir lassen Namen selbst wieder als Werte von (anderen) Namen zu, z. B.

Name Wert Typ

n 3 int
m 5 int
x n int*

87
Verwirklichung:
1. & ist der (einstellige) Adressoperator: x = &n“ ändert die Bindungstabelle so, dass
”
w(x) = n.
2. * ist der (einstellige) Dereferenzierungsoperator: Wenn x = &n gilt, so weist *x = 4;“
”
dem Wert von n die Zahl 4 zu.
3. Den Typ eines Zeigers auf einen Datentyp X bezeichnet man mit X*“.
”
Bemerkung:
• Auf der rechten Seite einer Zuweisung kann auf einen Namen der &-Operator genau
einmal angewandt werden. Dieser verhindert die Anwendung von w.
• Der ∗-Operator wendet die Abbildung w einmal auf das Argument rechts von ihm
an. Der ∗-Operator kann mehrmals und sowohl auf der linken als auch auf der
rechten Seite der Zuweisung angewandt werden.

Bemerkung: Auch eine Zeigervariable x kann wieder von einer anderen Zeigervariablen
referenziert werden.
Diese hat dann den Typ int∗∗“ oder Zeiger auf eine int∗-Variable“.
” ”
Bemerkung: In C wird tendenziell die Notation int ∗x;“ verwendet, wohingegen in
”
C++ die Notation int∗ x;“ empfohlen wird.
”
Allerdings impliziert die Notation int∗ x, y;“ dass x und y vom Typ int∗“ sind, was
” ”
aber nicht zutrifft! (y ist vom Typ int)
Man liest int ∗x“ als x dereferenziert ist vom Typ int“ (in anderen Worten: x zeigt
” ” ”
auf int“).

Beispiel:
Name Wert Typ
int n = 3; n 3 int
int m = 5; m 5 int
int* x = &n; x n int*
int** y = &x; y x int**
int*** z = &y; z y int***
Damit können wir schreiben

n = 4; // das ist
*x = 4; // alles
**y = 4; // das
***z = 4; // gleiche !

x = &m; // auch
*y = &m; // das
**z = &m; // ist gleich !

y = &n; // geht nicht, da n nicht vom Typ int*

88
 y = &&n; // geht auch nicht, da & nur
// einmal angewandt werden kann

6.3 Call by reference

Programm: Die Realisation der Kontoverwaltung könnte wie folgt aussehen:

Nach Marke 1, im zweiten Aufruf

int konto1 = 1 0 0 ;
von abheben:
int konto2 = 2 0 0 ;
globale Umgebung
int abheben ( int ∗ konto , int b e t r a g ) int konto1: 75
{ int konto2: 166
∗ konto = ∗ konto − b e t r a g ; // 1
return ∗ konto ; // 2
} main abheben
int* konto:
int main ( ) int betrag: 34
{
abheben ( &konto1 , 25 ) ; // 3
abheben ( &konto2 , 34 ) ; // 4
}

Definition: In der Funktion abheben nennt man betrag einen call by value Parameter
und konto einen call by reference Parameter.

Bemerkung: Es gibt Computersprachen, die konsequent call by value verwenden (z. B.

Lisp/Scheme), und solche, die konsequent call by reference verwenden (z. B. Fortran).
Algol 60 war die erste Programmiersprache, die beides möglich machte.

Bemerkung: Die Variablen konto1, konto2 im letzten Beispiel müssen nicht global sein!
Folgendes ist auch möglich:

int abheben ( int ∗ konto , int b e t r a g ) Nach (1), zweiter Aufruf von
{ abheben
∗ konto = ∗ konto − b e t r a g ; // 1
globale Umgebung
return ∗ konto ; // 2
}
main abheben
int main ( )
int konto1: 75 int* konto:
{
int konto1 = 1 0 0 ; int konto2: 166 int betrag: 34
int konto2 = 2 0 0 ;

abheben ( &konto1 , 25 ) ; // 3
abheben ( &konto2 , 34 ) ; // 4
}

89
Bemerkung: abheben darf konto1 in main verändern, obwohl dieser Name dort nicht
sichtbar ist! Zeiger können also die Sichtbarkeitsregeln durchbrechen und — im Prinzip —
kann somit auch jede lokale Variable von einer anderen Prozedur aus verändert werden.

Bemerkung: Es gibt im wesentlichen zwei Situationen in denen man Zeiger als Argu-
mente von Funktionen einsetzt:
• Der Seiteneffekt ist explizit erwünscht wie in abheben (→ Objektorientierung).
• Man möchte das Kopieren großer Objekte sparen (→ const Zeiger).

Referenzen in C++

Beobachtung: Obige Verwendung von Zeigern als Prozedurparameter ist ziemlich umständlich:
Im Funktionsaufruf müssen wir ein & vor das Argument setzen, innerhalb der Prozedur
müssen wir den * benutzen.

Abhilfe: Wenn man in der Funktionsdefinition die Syntax int& x verwendet, so kann
man beim Aufruf den Adressoperator & und bei der Verwendung innerhalb der Funktion
den Dereferenzierungsoperator * weglassen. Dies ist wieder sogenannter syntaktischer
”
Zucker“.

Programm: (Konto mit Referenzen)

int abheben ( int& konto , int b e t r a g )

{
konto = konto − b e t r a g ; // 1
return konto ; // 2
}

int main ( )
{
int konto1 = 1 0 0 ;
int konto2 = 2 0 0 ;

abheben ( konto1 , 25 ) ; // 3
abheben ( konto2 , 34 ) ; // 4
}

Bemerkung: Referenzen können nicht nur als Funktionsargumente benutzt werden:

int n = 3 ;
int& r = n ; // i n d e p e n d e n t r e f e r e n c e
r = 5; // s e l b e r E f f e k t n = 5 ;

6.4 Zeiger und Felder

90
Beispiel: Zeiger und (eingebaute) Felder sind in C/C++ synonym:
Nach Marke 1:
globale Umgebung
int f [ 5 ] ;
int ∗ p = f ; // f h a t Typ i n t ∗ int f[5]: 0 4

... int* p:

p [ 0 ] = 0; Am Ende
p [ 3 ] = 4; // 1 globale Umgebung

int f[5]: 0 18 4
p = &( f [ 2 ] ) ;
∗p = 1 8 ; // p [ 0 ] = 1 8 ;
int* p:

Bemerkung:
• Die Äquivalenz von eingebauten Feldern mit Zeigern ist eine höchst problematische
Eigenschaft von C. Insbesondere führt sie dazu, dass man innerhalb einer mit einem
Feld aufgerufenen Funktion die Länge dieses Feldes nicht direkt zur Verfügung hat.
Diese muss anderweitig bekannt sein, oder es muss auf eine Bereichsüberprüfung
verzichtet werden, was unter anderem ein Sicherheitsproblem darstellt (siehe auch
die Diskussion bei char-Feldern).
• In C++ werden daher bessere Feldstrukturen (vector, string, valarray) in der
Standard-Bibliothek STL (Standard Template Library) zur Verfügung gestellt.

6.5 Felder als Argumente von Funktionen

void f ( int a [ 1 0 ] )
{
a [ 3 ] = 17;
}

ist äquivalent zu

void f ( int ∗ a )
{
a [ 3 ] = 17;
}

(Eingebaute) Felder werden also immer by reference übergeben!

Es findet in keinem Fall eine Bereichsprüfung statt und die Länge ist in f unbekannt.

6.6 Zeiger auf zusammengesetzte Datentypen

Beispiel: Es sind auch Zeiger auf Strukturen möglich. Ist p ein solcher Zeiger, so kann
man mittels p-><Komponente> eine Komponente selektieren:

91
 struct r a t i o n a l
{
int n ;
int d ;
};

int main ( )
{
rational q;
r a t i o n a l ∗ p = &q ;
(∗p ) . n = 5 ; // Zuweisung an Komponente n von q
p−>n = 5 ; // e i n e Abkuerzung
}

6.7 Problematik von Zeigern

Beispiel: Betrachte folgendes Programm:

char∗ a l p h a b e t ( )
{
char b u f f e r [ 2 7 ] ;
for ( int i =0; i <26; i++ ) b u f f e r [ i ] = i + 6 5 ;
buffer [26] = 0;
return b u f f e r ;
}

int main ( )
{
char∗ c = a l p h a b e t ( ) ;
print ( c );
}

Beobachtung: Der Speicher für das lokale Feld ist schon freigegeben, aber den Zeiger
darauf gibt es noch.

Bemerkung:
• Der gcc-Compiler warnt für das vorige Beispiel, dass ein Zeiger auf eine lokale Va-
riable zurückgegeben wird. Er merkt allerdings schon nicht mehr, dass auch der
Rückgabewert (Rückgabe-Adresse) buffer+2 problematisch ist.
• Zeiger sind ein sehr maschinennahes Konzept (vgl. Neumann-Architektur). In vielen
Programmiersprachen (z. B. Lisp, Java, etc.) sind sie daher für den Programmierer
nicht sichtbar.
• Um die Verwendung von Zeigern sicher zu machen, muss man folgendes Prinzip
beachten: Speicher darf nur dann freigegeben werden, wenn keine Referenzen dar-
auf mehr existieren. Dies ist vor allem für die im nächsten Abschnitt diskutierte
dynamische Speicherverwaltung wichtig.

92
6.8 Dynamische Speicherverwaltung

Bisher: Zwei Sorten von Variablen:

• Globale Variablen, die für die gesamte Laufzeit des Programmes existieren.
• Lokale Variablen, die nur für die Lebensdauer des Blockes/der Prozedur exisitieren.

Jetzt: Dynamische Variablen. Diese werden vom Programmierer explizit ausserhalb der
globalen/aktuellen Umgebung erzeugt und vernichtet. Dazu dienen die Operatoren new
und delete. Dynamische Variablen haben keinen Namen und können (in C/C++) nur
indirekt über Zeiger bearbeitet werden.

Beispiel:

int m;
r a t i o n a l ∗ p = new r a t i o n a l ;
p−>n = 4 ; p−>d = 5 ;
m = p−>n ;
delete p ;

Bemerkung:
• Die Anweisung rational* p = new rational erzeugt eine Variable vom Typ rational
und weist deren Adresse dem Zeiger p zu. Man sagt auch, dass die Variable dyna-
misch allokiert wurde.
• Dynamische Variablen werden nicht auf dem Stack der globalen und lokalen Umge-
bungen gespeichert, sondern auf dem so genannten Heap. Dadurch ist es möglich,
dass dynamisch allokierte Variablen in einer Funktion allokiert werden und die Funk-
tion überdauern.
• Dynamische Variablen sind notwendig, um Strukturen im Rechner zu erzeugen,
deren Größe sich während der Rechnung ergibt (und von der aufrufenden Funktion
nicht gekannt wird).
• Die Größe der dynamisch allokierten Variablen ist nur durch den maximal verfügbaren
Speicher begrenzt.
• Auch Felder können dynamisch erzeugt werden:

int n = 1 8 ;
int ∗ q = new int [ n ] ; // F e l d mit 18 i n t E i n t r a e g e n
q [ 5 ] = 3;
delete [ ] q ; // dynamisches F e l d l ö s c h e n

Probleme bei dynamischen Variablen

Beispiel: Wie schon im vorigen Abschnitt bemerkt, kann auf Zeiger zugegriffen werden,
obwohl der Speicher schon freigegeben wurde:

93
 int f ( )
{
r a t i o n a l ∗ p = new r a t i o n a l ;
p−>n = 5 0 ;
delete p ; // V e r n i c h t e V a r i a b l e
return p−>n ; // Ooops , Z e i g e r g i b t e s immer noch
}

Beispiel: Wenn man alle Zeiger auf dynamisch allokierten Speicher löscht, kann dieser
nicht mehr freigegeben werden ( u.U. Speicherüberlauf):

int f ( )
{
r a t i o n a l ∗ p = new r a t i o n a l ;
p−>n = 5 0 ;
return p−>n ; // Ooops , e i n z i g e r Z e i g e r v e r l o r e n
}

Problem: Es gibt zwei voneinander unabhängige Dinge, den Zeiger und die dynamische
Variable. Beide müssen jedoch in konsistenter Weise verwendet werden. C++ stellt das
nicht automatisch sicher!

Abhilfe:
• Manipulation der Variablen und Zeiger in Funktionen (später: Klassen) verpacken,
die eine konsistente Behandlung sicherstellen.
• Benutzung spezieller Zeigerklassen (smart pointers).
• Die für den Programmierer angenehmste Möglichkeit ist die Verwendung von Gar-
bage collection (= Sammeln von nicht mehr referenziertem Speicher).

6.9 Die einfach verkettete Liste

Zeiger und dynamische Speicherverwaltung benötigt man zur Erzeugung dynamischer
Datenstrukturen.
Dies illustrieren wir am Beispiel der einfach verketteten Liste. Das komplette Programm
befindet sich in der Datei [Link].
Eine Liste natürlicher Zahlen

(12 43 456 7892 1 43 43 746)

zeichnet sich dadurch aus, dass

• die Reihenfolge der Elemente wesentlich ist, und
• Zahlen mehrfach vorkommen können.
Zur Verwaltung von Listen wollen wir folgende Operationen vorsehen
• Erzeugen einer leeren Liste.

94
 • Einfügen von Elementen an beliebiger Stelle.
• Entfernen von Elementen.
• Durchsuchen der Liste.
Bemerkung: Der Hauptvorteil gegenüber dem Feld ist, dass das Einfügen und Löschen
von Elementen schneller geschehen kann (es ist eine O(1)-Operation, wenn die Stelle nicht
gesucht werden muss).
Eine übliche Methode zur Speicherung von Listen (natürlicher Zahlen) besteht darin ein
Listenelement zu definieren, das ein Element der Liste sowie einen Zeiger auf das nächste
Listenelement enthält:

struct I n t L i s t E l e m
{
I n t L i s t E l e m ∗ next ; // Z e i g e r a u f n ä c h s t e s Element
int v a l u e ; // Daten zu diesem Element
};

Um die Liste als Ganzes ansprechen zu können, definieren wir den folgenden zusammen-
gesetzten Datentyp, der einen Zeiger auf das erste Element sowie die Anzahl der Elemente
enthält:

struct I n t L i s t
{
int count ; // Anzahl Elemente i n d e r L i s t e
I n t L i s t E l e m ∗ f i r s t ; // Z e i g e r a u f 1 . Element d e r L i s t e
};

Das sieht also so aus:

IntList

IntListElem IntListElem IntListElem

first

count 1 43 43

Das Ende der Liste wird durch einen Zeiger mit dem Wert 0 gekennzeichnet.
Das klappt deswegen, weil 0 kein erlaubter Ort eines Listenelementes (irgendeiner Varia-
ble) ist.
Bemerkung: Die Bedeutung von 0 ist in C/C++ mehrfach überladen. In manchen
Zusammenhängen bezeichnet es die Zahl 0, an anderen Stellen einen speziellen Zeiger.
Auch der bool-Wert false ist synonym zu 0. In C++11 gibt es nun das Schlüsselwort
nullptr.

95
Initialisierung Folgende Funktion initialisiert eine IntList-Struktur mit einer leeren
Liste:

void e m p t y l i s t ( I n t L i s t ∗ l )
{
l −> f i r s t = 0 ; // L i s t e i s t l e e r
l −>count = 0 ;
}

Bemerkung: Die Liste wird call-by-reference übergeben, um die Komponenten ändern

zu können.

Durchsuchen Hat man eine solche Listenstruktur, so gelingt das Durchsuchen der Liste
mittels

I n t L i s t E l e m ∗ f i n d f i r s t x ( I n t L i s t l , int x )
{
for ( I n t L i s t E l e m ∗ p=l . f i r s t ; p ! = 0 ; p=p−>next )
i f ( p−>v a l u e == x ) return p ;
return 0 ;
}

Einfügen Beim Einfügen von Elementen unterscheiden wir zwei Fälle:

A Am Anfang der Liste einfügen.
B Nach einem gegebenem Element einfügen.
Nur für diese beiden Fälle ist eine effiziente Realisierung der Einfügeoperation möglich.
Es sind folgende Manipulationen der Zeiger erforderlich:

A where==0 B where

ins ins

Programm: Folgende Funktion behandelt beide Fälle:

void i n s e r t i n l i s t ( I n t L i s t ∗ l i s t , I n t L i s t E l e m ∗ where ,
IntListElem ∗ ins )
{
i f ( where == 0 )
{ // f u e g e am Anfang e i n
i n s −>next = l i s t −> f i r s t ;

96
 l i s t −> f i r s t = i n s ;
l i s t −>count = l i s t −>count + 1 ;
}
else
{
// f u e g e nach where e i n
i n s −>next = where−>next ;
where−>next = i n s ;
l i s t −>count = l i s t −>count + 1 ;
}
}

Entfernen Auch beim Entfernen von Elementen unterscheiden wir wieder ob

1. das erste Element gelöscht werden soll, oder
2. das Element nach einem gegebenem.
entsprechend graphisch:

A where==0 B where

Rückgabe Rückgabe

Programm: Beide Fälle behandelt folgende Funktion:

IntListElem ∗ remove from list ( I n t L i s t ∗ l i s t ,

I n t L i s t E l e m ∗ where )
{
I n t L i s t E l e m ∗ p ; // das e n t f e r n t e Element

// where == 0 dann e n t f e r n e e r s t e s Element

i f ( where == 0 ) {
p = l i s t −> f i r s t ;
i f ( p != 0 )
{
l i s t −> f i r s t = p−>next ;
l i s t −>count = l i s t −>count − 1 ;
}
return p ;
}

// e n t f e r n e Element nach where

p = where−>next ;
i f ( p != 0 ) {

97
 where−>next = p−>next ;
l i s t −>count = l i s t −>count − 1 ;
}
return p ;
}

Bemerkung:
• Es wird angenommen, dass where ein Element der Liste ist. Wenn dies nicht erfüllt
sein sollte, so ist Ärger garantiert!
• Alle Funktionen auf der Liste beinhalten nicht die Speicherverwaltung für die Ob-
jekte. Dies ist Aufgabe des benutzenden Programmteiles.

Kritik am Programmdesign
• Ob die Anzahl der Elemente überhaupt benötigt wird, hängt von der konkreten
Anwendung ab. Man hätte die Liste auch einfach als Zeiger auf Listenelemente
definieren können:

struct l i s t e l e m e n t
{
l i s t e l e m e n t ∗ next ; // Z e i g e r a u f n ä c h s t e s
l i s t e l e m e n t t y p e v a l u e ; // Datum d i e s e s Elements
};
typedef l i s t e l e m e n t ∗ l i s t ;

• Man wird auch Listen anderer Typen brauchen. Dies ist erst mit den später be-
handelten Werkzeugen wirklich befriedigend zu erreichen (Templates). Etwas mehr
Flexibilität erhielte man aber über:

typedef int l i s t e l e m e n t t y p e ;

und Verwendung dieses Datentyps später.

• Die Liste ist ein Spezialfall eines Containers. Mit der Standard Template Libra-
ry (STL) bietet C++ eine leistungsfähige Implementierung von Containern unter-
schiedlicher Funktionalität.
Bemerkung: Lässt man nur das Einfügen und Löschen am Listenanfang zu, so im-
plementiert die Liste das Verhalten eines Stacks mit dem Vorteil, dass man die maximale
Zahl von Elementen nicht im Voraus kennen muss.

Listenvarianten
• Bei der doppelt verketteten Liste ist auch der Vorgänger erreichbar und die Liste
kann auch in umgekehrter Richtung durchlaufen werden.
• Listen, die auch ein (schnelles) Einfügen am Ende erlauben, sind zur Implementation
von Warteschlangen (Queues) nützlich.

98
 • Manchmal kann man zirkuläre Listen gebrauchen. Diese sind für simple Speicher-
verwaltungsmechanismen (reference counting) problematisch.
• In dynamisch typisierten Sprachen können Elemente beliebigen Typ haben (zum
Beispiel wieder Listen), und die Liste wird zum Spezialfall einer Baumstruktur.
Am elegantesten ist dieses Konzept wohl in der Sprache Lisp (= List Processing)
verwirklicht.

6.10 Endliche Menge

Im Gegensatz zu einer Liste kommt es bei einer endlichen Menge

{34 567 43 1}

1. nicht auf die Reihenfolge der Mitglieder an und

2. können Elemente auch nicht doppelt vorkommen!

Schnittstelle Als Operationen auf einer Menge benötigen wir

• Erzeugen einer leeren Menge.
• Einfügen eines Elementes.
• Entfernen eines Elementes.
• Mitgliedschaft in der Menge testen.
In der nachfolgenden Implementierung einer Menge von int-Zahlen enthalten die genann-
ten Funktionen auch die Speicherverwaltung!
Wir wollen zur Realisierung der Menge die eben vorgestellte einfach verkettete Liste ver-
wenden.

Datentyp und Initialisierung Datentyp: (Menge von Integer-Zahlen)

struct I n t S e t
{
IntList l i s t ;
};

Man versteckt damit auch, dass IntSet mittels IntList realisiert ist.

Programm: (Leere Menge)

IntSet ∗ empty set ( )

{
I n t S e t ∗ s = new I n t S e t ;
e m p t y l i s t ( &s−> l i s t ) ;
return s ;
}

99
Test auf Mitgliedschaft Programm:

bool i s i n s e t ( I n t S e t ∗ s , int x )
{
for ( I n t L i s t E l e m ∗ p=s−> l i s t . f i r s t ; p ! = 0 ; p=p−>next )
i f ( p−>v a l u e == x ) return true ;
return f a l s e ;
}

Bemerkung:
• Dies nennt man sequentielle Suche. Der Aufwand ist O(n) wenn die Liste n Elemente
hat.
• Später werden wir bessere Datenstrukturen kennenlernen, mit denen man das in
O(log n) Aufwand schafft (Suchbaum).

Einfügen in eine Menge Idee: Man testet, ob das Element bereits in der Menge ist,
ansonsten wird es am Anfang der Liste eingefügt.

void i n s e r t i n s e t ( I n t S e t ∗ s , int x )
{
if ( ! is in set ( s , x ) )
{
I n t L i s t E l e m ∗ p = new I n t L i s t E l e m ;
p−>v a l u e = x ;
i n s e r t i n l i s t ( &s−>l i s t , 0 , p ) ;
}
}

Bemerkung: Man beachte, dass diese Funktion auch die IntListElem-Objekte dyna-
misch erzeugt.

Ausgabe Programm: (Ausgabe der Menge)

void p r i n t s e t ( I n t S e t ∗ s )
{
p r i n t ( ” {” ) ;
for ( I n t L i s t E l e m ∗ p=s−> l i s t . f i r s t ; p ! = 0 ; p=p−>next )
p r i n t ( ” ” , p−>val ue , 0 ) ;
p r i n t ( ” }” ) ;
}

Entfernen Idee: Man sucht zuerst den Vorgänger des zu löschenden Elementes in der
Liste und wendet dann die entsprechende Funktion für Listen an.

100
 void r e m o v e f r o m s e t ( I n t S e t ∗ s , int x )
{
// Hat e s u e b e r h a u p t Elemente ?
i f ( s−> l i s t . f i r s t == 0 ) return ;

// T e s t e e r s t e s Element
i f ( s−> l i s t . f i r s t −>v a l u e == x )
{
I n t L i s t E l e m ∗ p = r e m o v e f r o m l i s t ( &s−>l i s t , 0 ) ;
delete p ;
return ;
}

// Suche i n L i s t e , t e s t e immer N a c h f o l g e r
// d e s a k t u e l l e n Elementes
for ( I n t L i s t E l e m ∗ p=s−> l i s t . f i r s t ; p−>next ! = 0 ; p=p−>next )
i f ( p−>next−>v a l u e == x )
{
I n t L i s t E l e m ∗ q = r e m o v e f r o m l i s t ( &s−>l i s t , p ) ;
delete q ;
return ;
}
}

Vollständiges Programm Programm: ([Link])

#include ” f c p p . hh”
#include ” i n t l i s t . c c ”
#include ” i n t s e t . c c ”

int main ( )
{
IntSet ∗ s = empty set ( ) ;
print set ( s );
for ( int i =1; i <12; i=i +1 ) i n s e r t i n s e t ( s , i ) ;
print set ( s );
for ( int i =2; i <30; i=i +2 ) r e m o v e f r o m s e t ( s , i ) ;
print set ( s );
}

7 Klassen

7.1 Motivation

Bisher:

101
 • Funktionen bzw. Prozeduren (Funktion, bei welcher der Seiteneffekt wesentlich ist)
als aktive Entitäten
• Daten als passive Entitäten.
Beispiel:
int konto1 = 1 0 0 ;
int konto2 = 2 0 0 ;
int abheben ( int& konto , int b e t r a g )
{
konto = konto − b e t r a g ;
return konto ;
}

Kritik:
• Auf welchen Daten operiert abheben? Es könnte mit jeder int-Variablen arbeiten.
• Wir könnten konto1 auch ohne die Funktion abheben manipulieren.
• Nirgends ist der Zusammenhang zwischen den globalen Variablen konto1, konto2
und der Funktion abheben erkennbar.

Idee: Verbinde Daten und Funktionen zu einer Einheit!

7.2 Klassendefinition
Diese Verbindung von Daten und Funktionen wird durch Klassen (classes) realisiert:
Beispiel: Klasse für das Konto:

c l a s s Konto
{
public :
int k o n t o s t a n d ( ) ;
int abheben ( int b e t r a g ) ;
private :
int k ;
};

Sieht einer Definition eines zusammengesetzten Datentyps sehr ähnlich.

Syntax: (Klassendefinition) Die allgemeine Syntax der Klassendefinition lautet

< Klasse > ::= class < Name > { < Rumpf > } ;
Im Rumpf werden sowohl Variablen als auch Funktionen aufgeführt. Bei den Funktionen
genügt der Kopf. Die Funktionen einer Klasse heißen Methoden (methods). Alle Kompo-
nenten (Daten und Methoden) heißen Mitglieder. Die Daten heißen oft Datenmitglieder.

Bemerkung:

102
 • Die Klassendefinition
– beschreibt, aus welchen Daten eine Klasse besteht,
– und welche Operationen auf diesen Daten ausgeführt werden können.
• Klassen sind (in C++) keine normalen Datenobjekte. Sie sind nur zur Kompilie-
rungszeit bekannt und belegen daher keinen Speicherplatz.

7.3 Objektdefinition
Die Klasse kann man sich als Bauplan vorstellen. Nach diesem Bauplan werden Objekte
(objects) erstellt, die dann im Rechner existieren. Objekte heißen auch Instanzen (instan-
ces) einer Klasse.
Objektdefinitionen sehen aus wie Variablendefinitionen, wobei die Klasse wie ein neuer
Datentyp erscheint. Methoden werden wie Komponenten eines zusammengesetzten Da-
tentyps selektiert und mit Argumenten wie eine Funktion versehen.
Beispiel:

Konto k1 ;
k1 . abheben ( 25 ) ;

Konto∗ pk = &k1 ;
p r i n t ( pk−>k o n t o s t a n d ( ) ) ;

Bemerkung: Objekte haben einen internen Zustand, der durch die Datenmitglieder
repräsentiert wird. Objekte haben ein Gedächtnis!

7.4 Kapselung
Der Rumpf einer Klassendefinition zerfällt in zwei Teile:
1. einen öffentlichen Teil, und
2. einen privaten Teil.
Der öffentliche Teil einer Klasse ist die Schnittstelle (interface) der Klasse zum restli-
chen Programm. Diese sollte für den Benutzer der Klasse ausreichende Funktionalität
bereitstellen. Der private Teil der Klasse enthält Mitglieder, die zur Implementierung der
Schnittstelle benutzt werden.
Bezeichnung: Diese Trennung nennt man Kapselung (encapsulation).

Bemerkung:
• Sowohl öffentlicher als auch privater Teil können sowohl Methoden als auch Daten
enthalten.
• Öffentliche Mitglieder einer Klasse können von jeder Funktion eines Programmes
benutzt werden (etwa die Methode abheben in Konto).

103
 • Private Mitglieder können nur von den Methoden der Klasse selbst benutzt werden.
Beispiel:

Konto k1 ;
k1 . abheben ( −25 ) ; // OK
k1 . k = 1 0 0 0 0 0 0 ; // F e h l e r ! , k p r i v a t e

Bemerkung: Kapselung erlaubt uns, das Prinzip der versteckten Information (informa-
tion hiding) zu realisieren. David L. Parnas16 [CACM, 15(12): 1059–1062, 1972] hat dieses
Grundprinzip im Zusammenhang mit der modularen Programmierung so ausgedrückt:
1. One must provide the intended user with all the information needed
to use the module correctly, and with nothing more.
2. One must provide the implementor with all the information needed
to complete the module, and with nothing more.

Bemerkung: Insbesondere sollte eine Klasse alle Implementierungsdetails verstecken“,

”
die sich möglicherweise in Zukunft ändern werden. Da Änderungen der Implementierung
meist Änderung der Datenmitglieder bedeutet, sind diese normalerweise nicht öffentlich!

Zitat: Brooks17 [The Mythical Man-Month: Essays on Software Engineering, Addison-

Wesley, 1975, page 102]:
. . . but much more often, strategic breakthrough will come from redoing the
representation of the data or tables. This is where the heart of a program lies.

Regel: Halte Datenstrukturen geheim!

Bemerkung:
• Die Geheimhaltung“ durch die Trennung public/private ist kein perfektes Ver-
”
stecken der Implementation, weil der Benutzer der Klasse ja die Klassendefinition
einsehen kann/muss.
• Sie erzwingt jedoch bei gutwilligen Benutzern ein regelkonformes Verwenden der
Bibliothek.
• Andererseits schützt sie nicht gegenüber böswilligen Benutzern! (z. B. sollte man
nicht erwarten, dass ein Benutzer der Bibliothek ein private-Feld password nicht
auslesen kann!)

7.5 Konstruktoren und Destruktoren

Objekte werden – wie jede Variable – erzeugt und zerstört, sei es automatisch oder unter
Programmiererkontrolle.
Diese Momente erfordern oft spezielle Beachtung, so dass jede Klasse die folgenden Ope-
rationen zur Verfügung stellt:
16
David Lorge Parnas, geb. 1941, kanadischer Informatiker.
17
Fred Brooks, geb. 1931, amerik. Informatiker.

104
 • Mindestens einen Konstruktor, der aufgerufen wird, nachdem der Speicher für ein
Objekt bereitgestellt wurde. Der Konstruktor hat die Aufgabe, die Datenmitglieder
des Objektes geeignet zu initialisieren.
• Einen Destruktor, der aufgerufen wird, bevor der vom Objekt belegte Speicher frei-
gegeben wird. Der Destruktor kann entsprechende Aufräumarbeiten durchführen
(Beispiele folgen).
Bemerkung:
• Ein Konstruktor ist eine Methode mit demselben Namen wie die Klasse selbst und
kann mit beliebigen Argumenten definiert werden. Er hat keinen Rückgabewert.
• Ein Destruktor ist eine Methode, deren Name mit einer Tilde ∼ beginnt, gefolgt vom
Namen der Klasse. Ein Destruktor hat weder Argumente noch einen Rückgabewert.
• Gibt der Programmierer keinen Konstruktor und/oder Destruktor an, so erzeugt
der Übersetzer Default-Versionen. Der Default-Konstruktor hat keine Argumente.

Beispiel: Ein Beispiel für eine Klassendefinition mit Konstruktor und Destruktor:

c l a s s Konto
{
public :
Konto ( int s t a r t ) ; // K o n s t r u k t o r
˜Konto ( ) ; // D e s t r u k t o r
int k o n t o s t a n d ( ) ;
int abheben ( int b e t r a g ) ;
private :
int k ;
};

Der Konstruktor erhält ein Argument, welches das Startkapital des Kontos sein soll (Im-
plementierung folgt gleich). Erzeugt wird so ein Konto mittels

Konto k1 ( 1000 ) ; // Argumente d e s K o n s t r u k t o r s nach Objektname

Konto k2 ; // F e h l e r ! K l a s s e h a t k e i n e n a r g u m e n t l o s e n K o n s t r u k t o r

7.6 Implementierung der Klassenmethoden

Bisher haben wir noch nicht gezeigt, wie die Klassenmethoden implementiert werden. Dies
ist Absicht, denn wir wollten deutlich machen, dass man nur die Definition einer Klasse
und die Semantik ihrer Methoden wissen muss, um sie zu verwenden.
Nun wechseln wir auf die Seite des Implementierers einer Klasse. Hier nun ein vollständiges
Programm mit Klassendefinition und Implementierung der Klasse Konto:
Programm: ([Link])

#include ” f c p p . hh”

c l a s s Konto

105
 {
public :
Konto ( int s t a r t ) ; // K o n s t r u k t o r
˜Konto ( ) ; // D e s t r u k t o r
int k o n t o s t a n d ( ) ;
int abheben ( int b e t r a g ) ;
private :
int b i l a n z ;
};

Konto : : Konto ( int s t a r t k a p i t a l )

{
bilanz = startkapital ;
p r i n t ( ”Konto mit ” , b i l a n z , ” e i n g e r i c h t e t ” , 0 ) ;
}

Konto : : ˜ Konto ( )
{
p r i n t ( ”Konto mit ” , b i l a n z , ” a u f g e l ö s t ” , 0 ) ;
}

int Konto : : k o n t o s t a n d ( )
{
return b i l a n z ;
}

int Konto : : abheben ( int b e t r a g )

{
bilanz = bilanz − betrag ;
return b i l a n z ;
}

int main ( )
{
Konto k1 ( 100 ) , k2 ( 200 ) ;

k1 . abheben ( 50 ) ;
k2 . abheben ( 300 ) ;
}

Bemerkung:
• Die Definitionen der Klassenmethoden sind normale Funktionsdefinitionen, nur der
Funktionsname lautet
<Klassenname>::<Methodenname>
• Klassen bilden einen eigenen Namensraum. So ist abheben keine global sichtbare
Funktion. Der Name abheben ist nur innerhalb der Definition von Konto sichtbar.
• Außerhalb der Klasse ist der Name erreichbar, wenn ihm der Klassenname gefolgt
von zwei Doppelpunkten (scope resolution operator ) vorangestellt wird.

106
7.7 Klassen im Umgebungsmodell
In [Link](-5)
c l a s s Konto ; // wie oben globale Umgebung

Konto k1
Konto k1 ( 0 ) ; public

private
void main ( ) k int -20
main
i int 3
{
Konto k2
int i = 3 ; private public
Konto k2 ( 0 ) ; k int 5

k1 . abheben ( 20 ) ;
k2 . abheben ( −5 ) ; Konto::abheben
}

Bemerkung:
• Jedes Objekt definiert eine eigene Umgebung.
• Die öffentlichen Daten einer Objektumgebung überlappen mit der Umgebung, in
der das Objekt definiert ist, und sind dort auch sichtbar.
• Der Methodenaufruf erzeugt eine neue Umgebung unterhalb der Umgebung des
zugehörigen Objektes

Folgerung:
• Öffentliche Daten von k1 sind global sichtbar.
• Öffentliche Daten von k2 sind in main sichtbar.
• Private Daten von k1 und k2 sind von Methoden der Klasse Konto zugreifbar (jede
Methode eines Objektes hat Zugriff auf die Mitglieder aller Objekte dieser Klasse,
sofern bekannt).

Bemerkung: Die Lebensdauer von Objekten (bzw. Objektvariablen) ist genauso geregelt
wie die von anderen Variablen.

7.8 Beispiel: Monte-Carlo objektorientiert

Wir betrachten nochmal das Beispiel der Bestimmung von π mit Hilfe von Zufallszahlen.
Bestandteile:
• Zufallsgenerator: Liefert bei Aufruf eine Zufallszahl.
• Experiment: Führt das Experiment einmal durch und liefert im Erfolgsfall 1, sonst
0.
• Monte-Carlo: Führt Experiment N mal durch und berechnet relative Häufigkeit.

107
Zufallsgenerator

Programm: Der Zufallsgenerator lässt sich hervorragend als Klasse formulieren. Er

kapselt die aktuelle Zufallszahl als internen Zustand.

class Z u f a l l
{
public :
Z u f a l l ( unsigned int anfang ) ;
unsigned int z i e h e z a h l ( ) ;
private :
int x ;
};

Z u f a l l : : Z u f a l l ( unsigned int anfang )

{
x = anfang ;
}

// I m p l e m e n t i e r u n g ohne l a n g e A r i t h m e t i k
// s i e h e Numerical Recipes , Kap . 7 .
unsigned int Z u f a l l : : z i e h e z a h l ( )
{
// a = 7ˆ5 , m = 2ˆ31−1
const int i a = 1 6 8 0 7 , im = 2 1 4 7 4 8 3 6 4 7 ;
const int i q = 1 2 7 7 7 3 , i r = 2 8 3 6 ;
const int k = x / i q ;
x = i a ∗ ( x−k∗ i q ) − i r ∗k ;
i f ( x < 0 ) x = x + im ;
return x ;
}

Vorteile:
• Durch die Angabe des Konstruktors ist sichergestellt, dass der Zufallsgenerator in-
itialisiert werden muss. Beachte: Wenn ein Konstruktor angegeben ist, so gibt es
keinen Default-Konstruktor!
• Die Realisierung des Zufallsgenerators ist nach außen nicht sichtbar (x ist private).
Beispielsweise könnte man nun problemlos die Implementation so abändern, dass
man intern mit längeren Zahlen arbeitet.

Klasse für das Experiment

Programm:

108
 c l a s s Experiment
{
public :
Experiment ( Z u f a l l& z ) ; // K o n s t r u k t o r
int d u r c h f u e h r e n ( ) ; // einmal a u s f u e h r e n
private :
Z u f a l l& zg ; // Merke Z u f a l l s g e n e r a t o r
unsigned int ggT ( unsigned int a , unsigned int b ) ;
};

Experiment : : Experiment ( Z u f a l l& z ) : zg ( z ) {}

unsigned int Experiment : : ggT ( unsigned int a ,

unsigned int b )
{
i f ( b == 0 ) return a ;
else return ggT ( b , a % b ) ;
}

int Experiment : : d u r c h f u e h r e n ( )
{
unsigned int x1 = zg . z i e h e z a h l ( ) ;
unsigned int x2 = zg . z i e h e z a h l ( ) ;
i f ( ggT ( x1 , x2 ) == 1 )
return 1 ;
else
return 0 ;
}

Bemerkung: Die Klasse Experiment enthält (eine Referenz auf) ein Objekt einer Klasse
als Unterobjekt. Für diesen Fall gibt es eine spezielle Form des Konstruktors, die weiter
unten erläutert wird.

Monte-Carlo-Funktion und Hauptprogramm

Programm:

#include ” f c p p . hh” // f u e r p r i n t
#include ” Z u f a l l . c c ” // Code f u e r d i e b e i d e n
#include ” Experiment . c c ” // K l a s s e n h e r e i n z i e h e n

double m o n t e c a r l o ( Experiment& e , int N )

{
int e r f o l g r e i c h = 0 ;

for ( int i =0; i <N; i=i +1 )

e r f o l g r e i c h = e r f o l g r e i c h + e . durchfuehren () ;

109
 return ( ( double ) e r f o l g r e i c h ) / ( ( double ) N) ;
}

int main ( int argc , char ∗ argv [ ] )

{
Z u f a l l z ( 93267 ) ; // e i n Z u f a l l s g e n e r a t o r
Experiment e ( z ) ; // e i n Experiment

p r i n t ( s q r t ( 6.0/ montecarlo ( e ,
r e a d a r g i n t ( argc ,
argv ,
1 ) ) ) );
}

Diskussion:
• Es gibt keine globale Variable mehr! Zufall kapselt den Zustand intern.
• Wir könnten auch mehrere unabhängige Zufallsgeneratoren haben.
• Die Funktion montecarlo kann nun mit dem Experiment parametrisiert werden.
Dadurch kann man das Experiment leicht austauschen: beispielsweise erhält man π
auch, indem man Punkte in (−1, 1)2 würfelt und misst, wie oft sie im Einheitskreis
landen.

7.9 Initialisierung von Unterobjekten

Ein Objekt kann Objekte anderer Klassen als Unterobjekte enthalten. Um in diesem
Fall die ordnungsgemäße Initialisierung des Gesamtobjekts sicherzustellen, gibt es eine
erweiterte Form des Konstruktors selbst.
Syntax: (Erweiterter Konstruktor) Ein Konstruktor für eine Klasse mit Unterobjek-
ten hat folgende allgemeine Form:
<Konstruktor> ::= <Klassenname>::<Klassenname> ( <ArgListe> ) :
<UnterObjekt> ( <ArgListe> )
{, <UnterObjekt> ( <ArgListe> )}
{ <Rumpf> }
Die Aufrufe nach dem : sind Konstruktoraufrufe für die Unterobjekte. Deren Argumente
sind Ausdrücke, die die formalen Parameter des Konstruktors des Gesamtobjektes ent-
halten können.
Eigenschaften:
• Bei der Ausführung jedes Konstruktors (egal ob einfacher, erweiterter oder default)
werden erst die Konstruktoren der Unterobjekte ausgeführt und dann der Rumpf
des Konstruktors.
• Wird der Konstruktoraufruf eines Unterobjektes im erweiterten Konstruktor wegge-
lassen, so wird dessen argumentloser Konstruktor aufgerufen. Gibt es keinen solchen,
wird ein Fehler gemeldet.

110
 • Beim Destruktor wird erst der Rumpf abgearbeitet, dann werden die Destruktoren
der Unterobjekte aufgerufen. Falls man keinen programmiert hat, wird die Default-
Version verwendet.
• Dies nennt man hierarchische Konstruktion/Destruktion.

Erinnerung: Eingebaute Datentypen und Zeiger haben keine Konstruktoren und werden
nicht initialisiert (es sei denn man initialisiert sie explizit).

Anwendung: Experiment enthält eine Referenz als Unterobjekt. Mit einer Instanz der
Klasse Experiment wird auch diese Referenz erzeugt. Referenzen müssen aber immer
initialisiert werden, daher muss die erweiterte Form des Konstruktors benutzt werden.
Es ist in diesem Fall nicht möglich, die Referenz im Rumpf des Konstruktors zu initiali-
sieren.

Frage: Was würde sich ändern, wenn man ein Zufall-Objekt statt der Referenz speichern
würde?

7.10 Selbstreferenz
Innerhalb jeder Methode einer Klasse T ist ein Zeiger this vom Typ T* definiert, der auf
das Objekt zeigt, dessen Methode aufgerufen wurde.
Beispiel: Folgendes Programmfragment zeigt eine gleichwertige Implementierung von
abheben:

int Konto : : abheben ( int b e t r a g )

{
this−>k = this−>k − b e t r a g ;
return this−>k ; // neuer Kontostand
}

Bemerkung: Anders ausgedrückt, ist die alte Form von abheben syntaktischer Zucker
für die Form mit this. Der Nutzen von this wird sich später zeigen (Verkettung von
Operationen).

7.11 Überladen von Funktionen und Methoden

C++ erlaubt es, mehrere Funktionen gleichen Namens aber mit unterschiedlicher Signatur
(Zahl und Typ der Argumente) zu definieren.
Beispiel:

int summe ( ) { return 0; }

int summe( int i ) { return i; }
int summe( int i , int j ) { return i + j; }
double summe( double a , double b ) { return a + b; }

111
 int main ( )
{
int i [ 2 ] ;
double x [ 2 ] ;
short c ;

i [1] = summe ( ) ; // e r s t e Version

i [1] = summe( 3 ) ; // z w e i t e Version
i [0] = summe( i [ 0 ] , i [ 1 ] ) ; // d r i t t e Version
x[0] = summe( x [ 0 ] , x [ 1 ] ) ; // v i e r t e Version
i [0] = summe( i [ 0 ] , c ); // d r i t t e Version
i [0] = summe( x [ 0 ] , i [ 1 ] ) ; // Fehler , mehrdeutig
}

Dabei bestimmt der Übersetzer anhand der Zahl und Typen der Argumente, welche Funk-
tion aufgerufen wird. Der Rückgabewert ist dabei unerheblich.
Bezeichnung: Diesen Mechanismus nennt man Überladen von Funktionen.

Automatische Konversion

Schwierigkeiten entstehen durch automatische Konversion eingebauter numerischer Ty-

pen. Der Übersetzer geht nämlich in folgenden Stufen vor:
1. Versuche passende Funktion ohne Konversion oder mit trivialen Konversionen (z. B.
Feldname nach Zeiger) zu finden. Man spricht von exakter Übereinstimmung. Dies
sind die ersten vier Versionen oben.
2. Versuche innerhalb einer Familie von Typen ohne Informationsverlust zu konver-
tieren und so eine passende Funktion zu finden. Z. B. ist erlaubt, bool nach int,
short nach int, int nach long, float nach double, etc. Im obigen Beispiel wird c
in Version 5 nach int konvertiert.
3. Versuche Standardkonversionen (Informationsverlust!) anzuwenden: int nach double,
double nach int usw.
4. Gibt es verschiedene Möglichkeiten auf einer der vorigen Stufen, so wird ein Fehler
gemeldet.
Tip: Verwende Überladen möglichst nur so, dass die Argumente mit einer der definierten
Signaturen exakt übereinstimmen!

Überladen von Methoden

Auch Methoden einer Klasse können überladen werden. Dies benutzt man gerne für den
Konstruktor, um mehrere Möglichkeiten der Initialisierung eines Objektes zu ermöglichen:

c l a s s Konto
{

112
 public :
Konto ( ) ; // K o n s t r u k t o r 1
Konto ( int s t a r t ) ; // K o n s t r u k t o r 2
int k o n t o s t a n d ( ) ;
int abheben ( int b e t r a g ) ;
private :
int k ; // Zustand
};

Konto : : Konto ( ) { k = 0 ; }
Konto : : Konto ( int s t a r t ) { k = s t a r t ; }

Jetzt können wir ein Konto auf zwei Arten erzeugen:

Konto k1 ; // Hat Wert 0

Konto k2 ( 1 0 0 ) ; // Hundert Euro

Bemerkung:
• Eine Klasse muss einen Konstruktor ohne Argumente haben, wenn man Felder dieses
Typs erzeugen will.
• Ein Default-Konstruktor wird nur erzeugt, wenn kein Konstruktor explizit program-
miert wird.
Das Überladen von Funktionen ist eine Form von Polymorphismus womit man meint:

Eine Schnittstelle, viele Methoden.

Aber: Es ist sehr verwirrend, wenn überladene Funktionen sehr verschiedene Bedeutung
haben. Dies sollte man vermeiden.

7.12 Objektorientierte und funktionale Programmierung

Folgendes Scheme-Programm ließ sich nur schlecht in C++ übertragen, weil die Erzeugung
lokaler Funktionen nicht möglich war:
Programm: (lokal erzeugte Funktion in Scheme)

(define (inkrementierer n)
(lambda (x)
(+ x n)))

(map (inkrementierer 5)
’(1 2 3)) => (6 7 8)

Mit den jetzt verfügbaren Klassen kann diese Funktionalität dagegen nachgebildet wer-
den:
Programm: ([Link])

113
 #include ” f c p p . hh” // f u e r p r i n t

class Inkrementierer
{
public :
I n k r e m e n t i e r e r ( int n ) { inkrement = n ; }
int e v a l ( int n ) { return n + inkrement ; }
private :
int inkrement ;
};

void s c h l e i f e ( I n k r e m e n t i e r e r& i n k )
{
for ( int i =1; i <10; i++ )
print ( ink . eval ( i ) ) ;
}

int main ( )
{
I n k r e m e n t i e r e r i n k ( 10 ) ;
s c h l e i f e ( ink ) ;
}

Bemerkung:
• Man beachte die Definition der Methoden innerhalb der Klasse. Dies ist zwar kürzer,
legt aber die Implementation der Schnittstelle offen.
• Die innerhalb einer Klasse definierten Methoden werden inline“ (d. h. ohne Funk-
”
tionsaufruf) übersetzt. Bei Änderungen solcher Methoden muss daher aufrufender
Code neu übersetzt werden!
• Man sollte dieses Feature daher nur mit Vorsicht verwenden (z. B. bei nur lokal
verwendeten Klassen oder wenn das Inlining gewünscht wird).
• Eine erweiterte Schnittstelle zur Simulation funktionaler Programme erhält man in
der STL (Standard Template Library) mit #include <functional>.

7.13 Operatoren
In C++ hat man auch bei selbstgeschriebenen Klassen die Möglichkeit, einem Ausdruck
wie a+b eine Bedeutung zu geben:
Idee: Interpretiere den Ausdruck a+b als [Link]+(b), d. h. die Methode operator+
des Objektes a (des linken Operanden) wird mit dem Argument b (rechter Operand)
aufgerufen:

class X
{
public :
X operator+( X b ) ;

114
 };

X X : : operator+( X b ) { . . . . }
X a, b, c;
c = a + b;

Bemerkung:
• operator+ ist also ein ganz normaler Methodenname, nur die Methode wird aus
der Infixschreibweise heraus aufgerufen.
• Diese Technik ist insbesondere bei Klassen sinnvoll, die mathematische Konzepte
realisieren, wie etwa rationale Zahlen, Vektoren, Polynome, Matrizen, gemischtzah-
lige Artihmetik, Arithmetik beliebiger Genauigkeit.
• Man sollte diese Technik zurückhaltend verwenden. Zum Beispiel sollte man + nur
überladen, wenn die Operation wirklich eine Addition im mathematischen Sinn ist.
• Auch eckige Klammern [], Dereferenzierung ->, Vergleichsoperatoren <, >, == und
sogar die Zuweisung = können (um-)definiert werden. <<, >> spielt bei Ein-/Ausgabe
eine Rolle.

7.14 Anwendung: rationale Zahlen objektorientiert

Definition der Klasse ([Link]):

class Rational
{
private :
int n , d ;
int ggT ( int a , int b ) ;
public :
// ( l e s e n d e r ) Z u g r i f f a u f Z a e h l e r und Nenner
int numerator ( ) ;
int denominator ( ) ;

// K o n s t r u k t o r e n
R a t i o n a l ( int num , int denom ) ; // r a t i o n a l
R a t i o n a l ( int num ) ; // ganz
Rational () ; // N u l l

// Ausgabe
void p r i n t ( ) ;

// Operatoren
R a t i o n a l operator+( Rational q );
R a t i o n a l operator −( Rational q );
R a t i o n a l operator ∗ ( Rational q );
R a t i o n a l operator / ( Rational q );
};

115
Programm: Implementierung der Methoden ([Link]):

int R a t i o n a l : : numerator ( )
{
return n ;
}

int R a t i o n a l : : denominator ( )
{
return d ;
}

void R a t i o n a l : : p r i n t ( )
{
: : p r i n t ( n , ”/” , d , 0 ) ;
}

// ggT zum k u e r z e n
int R a t i o n a l : : ggT ( int a , int b )
{
return ( b == 0 ) ? a : ggT ( b , a % b ) ;
}

// K o n s t r u k t o r e n
R a t i o n a l : : R a t i o n a l ( int num , int denom )
{
int t = ggT ( num , denom ) ;
i f ( t != 0 )
{
n = num / t ;
d = denom / t ;
}
else
{
n = num ;
d = denom ;
}
}

R a t i o n a l : : R a t i o n a l ( int num )
{
n = num ;
d = 1;
}

Rational : : Rational ()
{
n = 0;
d = 1;
}

116
 // Operatoren
R a t i o n a l R a t i o n a l : : operator+( R a t i o n a l q )
{
return R a t i o n a l ( n∗q . d + q . n∗d , d∗q . d ) ;
}

R a t i o n a l R a t i o n a l : : operator −( R a t i o n a l q )
{
return R a t i o n a l ( n∗q . d − q . n∗d , d∗q . d ) ;
}

R a t i o n a l R a t i o n a l : : operator ∗ ( R a t i o n a l q )
{
return R a t i o n a l ( n∗q . n , d∗q . d ) ;
}

R a t i o n a l R a t i o n a l : : operator / ( R a t i o n a l q )
{
return R a t i o n a l ( n∗q . d , d∗q . n ) ;
}

Programm: Lauffähiges Beispiel ([Link]):

#include ” f c p p . hh” // f u e r p r i n t
#include ” R a t i o n a l . hh”
#include ” R a t i o n a l . c c ”

int main ( )
{
Rational p( 3 , 4 ) , q( 5 , 3 ) , r ;

p . print () ; q . print () ;
r = ( p + q∗p ) ∗ p∗p ;
r . print () ;

return 0 ;
}

Bemerkung:
• Es ist eine gute Idee die Definition der Klasse (Schnittstelle) und die Implementie-
rung der Methoden in getrennte Dateien zu schreiben. Dafür haben sich in C++ die
Dateiendungen .hh ( Headerdatei“) und .cc ( Quelldatei“) eingebürgert. (Auch:
” ”
.hpp, .hxx, .h, .cpp, .cxx).
• Später wird dies die sog. getrennte Übersetzung“ ermöglichen.
”
• Wie schon früher erwähnt, ist die Implementierung einer leistungsfähigen gemischt-
zahligen Arithmetik eine hochkomplexe Aufgabe, für welche die Klasse Rational
nur ein erster Ansatz sein kann.

117
 • Sehr notwendig wäre auf jeden Fall die Verwendung von Ganzzahlen beliebiger
Länge anstatt von int als Bausteine für Rational.

7.15 Beispiel: Turingmaschine

Ein großer Vorteil der objektorientierten Programmierung ist, dass man seine Programme
sehr problemnah“ formulieren kann. Als Beispiel zeigen wir, wie man eine Turingmaschi-
”
ne realisieren könnte. Diese besteht aus den drei Komponenten
• Band
• Programm
• eigentliche Turingmaschine
Es bietet sich daher an, diese Einheiten als Klassen zu definieren.

Band

Programm: ([Link])

// K l a s s e f u e r e i n l i n k s s e i t i g b e g r e n z t e s Band
// e i n e r Turingmaschine .
// Das Band w ird durch e i n e Z e i c h e n k e t t e aus
// Elementen d e s Typs c har r e a l i s i e r t
c l a s s Band
{
public :
// I n i t i a l i s i e r e Band mit s , f u e l l e Rest
// mit dem Z e i c h e n i n i t a u f .
// S e t z e a k t u e l l e B a n d p o s i t i o n a u f l i n k e s Ende .
Band ( s t d : : s t r i n g s , char i n i t ) ;

// Lese Symbol u n t e r dem L e s e k o p f

char l e s e ( ) ;

// S c h r e i b e und g e h e l i n k s
void s c h r e i b e l i n k s ( char symbol ) ;

// S c h r e i b e und g e h e r e c h t s
void s c h r e i b e r e c h t s ( char symbol ) ;

// Drucke a k t u e l l e n B a n d i n h a l t b i s z u r
// maximal b e n u t z t e n P o s i t i o n
void drucke ( ) ;
private :
enum { N = 100000 } ; // maximal n u t z b a r e Groesse
char band [N ] ; // das Band
int pos ; // a k t u e l l e P o s i t i o n
int b e n u t z t ; // b i s h e r b e s c h r i e b e n e r T e i l
};

118
TM-Programm

Programm: ([Link])

// Eine Klasse , d i e das Programm e i n e r

// Turingmaschine r e a l i s i e r t .
// Zu st a e n d e s i n d vom Typ i n t
// B a n d a l p h a b e t i s t d e r Typ c har
// A n f a n g s z u s t a n d i s t Zustand i n d e r e r s t e n Z e i l e
// Endzustand i s t Zustand i n d e r l e t z t e n Z e i l e
c l a s s Programm
{
public :
// Symbole f u e r l i n k s / r e c h t s
enum R { l i n k s , r e c h t s } ;

// Erzeuge l e e r e s Programm
Programm ( ) ;

// d e f i n i e r e Z u s t a n d s u e b e r g a e n g e
// Mit Angabe d e s E n d z u s t a n d e s i s t d i e
// Programmierphase b e e n d e t
void z e i l e ( int q e i n , char s e i n ,
char s a u s , R r i c h t , int q a u s ) ;
void z e i l e ( int endzustand ) ;

// l e s e Z u s t a n d s u e b e r g a n g i n A b h a e n g i g k e i t
// von a k t . Zustand und g e l e s e n e m Symbol
char Ausgabe ( int zustand , char symbol ) ;
R Richtung ( int zustand , char symbol ) ;
int F o l g e z u s t a n d ( int zustand , char symbol ) ;

// Welcher Zustand i s t A n f a n g s z u s t a n d
int Anfangszustand ( ) ;

// Welcher Zustand i s t Endzustand

int Endzustand ( ) ;

private :
// Finde d i e Z e i l e zu g e g . Zustand / Symbol
// L i e f e r e t r u e , f a l l s so e i n e Z e i l e g e f u n d e n
// wird , s o n s t f a l s e
bool F i n d e Z e i l e ( int zustand , char symbol ) ;

enum { N = 1000 } ; // maximale Anzahl Uebergaenge

int z e i l e n ; // Anzahl Z e i l e n i n T a b e l l e
bool f e r t i g ; // Programmierphase b e e n d e t
int Q a k t u e l l [N ] ; // Eingabezustand
char e i n g a b e [N ] ; // Eingabesymbol
char ausgabe [N ] ; // Ausgabesymbol

119
 R r i c h t u n g [N ] ; // Ausgaberichtung
int Q f o l g e [N ] ; // Folgezustand
int l e t z t e s Q ; // Merke Zustand , Eingabe
char l e t z t e E i n g a b e ; // und Zeilennummer d e s
int l e t z t e Z e i l e ; // letzten Zugriffes .
};

Bemerkung: Man beachte die Definition des lokalen Datentyps R durch enum. Anderer-
seits wird eine Form von enum, bei der den Konstanten gleich Zahlen zugewiesen werden,
verwendet, um die Konstante N innerhalb der Klasse Programm zur Verfügung zu stellen.

Turingmaschine

Programm: ([Link])

// Klasse , d i e e i n e Turingmaschine r e a l i s i e r t
c l a s s TM
{
public :
// K o n s t r u i e r e Maschine mit Programm
// und Band
TM( Programm& p , Band& b ) ;

// Mache e i n e n S c h r i t t
void S c h r i t t ( ) ;

// L i e f e r e t r u e f a l l s s i c h Maschine im
// Endzustand b e f i n d e t
bool Endzustand ( ) ;

private :
Programm& prog ; // Merke Programm
Band& band ; // Merke Band
int q ; // Merke a k t . Zustand
};

Programm: ([Link])

// K o n s t r u i e r e d i e TM mit Programm und Band

TM: :TM( Programm& p , Band& b ) : prog ( p ) , band ( b )
{
q = p . Anfangszustand ( ) ;
}

// e i n e n S c h r i t t machen
void TM: : S c h r i t t ( )
{
// l e s e Bandsymbol

120
 char s = band . l e s e ( ) ;

// s c h r e i b e Band
i f ( prog . Richtung ( q , s ) == Programm : : l i n k s )
band . s c h r e i b e l i n k s ( prog . Ausgabe ( q , s ) ) ;
else
band . s c h r e i b e r e c h t s ( prog . Ausgabe ( q , s ) ) ;

// bestimme F o l g e z u s t a n d
q = prog . F o l g e z u s t a n d ( q , s ) ;
}

// I s t Endzustand e r r e i c h t ?
bool TM: : Endzustand ( )
{
i f ( q == prog . Endzustand ( ) )
return true ;
else
return f a l s e ;
}

Turingmaschinen-Hauptprogramm

Programm: ([Link])

#include ” f c p p . hh” // f u e r p r i n t

#include ”Band . hh” // I n k l u d i e r e Q u e l l d a t e i e n

#include ”Band . c c ”
#include ”Programm . hh”
#include ”Programm . c c ”
#include ”TM. hh”
#include ”TM. c c ”

int main ( int argc , char ∗ argv [ ] )

{
// I n i t i a l i s i e r e e i n Band
Band b ( ” 1111 ” , ’ 0 ’ ) ;
b . drucke ( ) ;

// I n i t i a l i s i e r e e i n Programm
Programm p ;
p. zeile ( 1 , ’1 ’ , ’X ’ , Programm : : rechts , 2 );
p. zeile ( 2 , ’1 ’ , ’1 ’ , Programm : : rechts , 2 );
p. zeile ( 2 , ’0 ’ , ’Y ’ , Programm : : links , 3 );
p. zeile ( 3 , ’1 ’ , ’1 ’ , Programm : : links , 3 );
p . z e i l e ( 3 , ’X ’ , ’1 ’ , Programm : : rechts , 4 );
p . z e i l e ( 4 , ’Y ’ , ’1 ’ , Programm : : rechts , 8 );
p. zeile ( 4 , ’1 ’ , ’X ’ , Programm : : rechts , 5 );

121
 p. zeile ( 5 , ’1 ’ , ’1 ’ , Programm : : rechts , 5 );
p. zeile ( 5 , ’Y ’ , ’Y ’ , Programm : : rechts , 6 );
p. zeile ( 6 , ’1 ’ , ’1 ’ , Programm : : rechts , 6 );
p. zeile ( 6 , ’0 ’ , ’1 ’ , Programm : : links , 7 );
p. zeile ( 7 , ’1 ’ , ’1 ’ , Programm : : links , 7 );
p. zeile ( 7 , ’Y ’ , ’Y ’ , Programm : : links , 3 );
p. zeile ( 8 );

// Baue e i n e Turingmaschine
TM tm( p , b ) ;

// S i m u l i e r e Turingmaschine
while ( ! tm . Endzustand ( ) )
{ // S o l a n g e n i c h t Endzustand
tm . S c h r i t t ( ) ; // mache e i n e n S c h r i t t
b . drucke ( ) ; // und d r u c k e Band
}

return 0 ; // f e r t i g .
}

Die TM realisiert das Programm ,,Verdoppeln einer Einserkette” von Seite 14.
Experiment: Ausgabe des oben angegebenen Programms:

4 Symbole auf Band initialisiert

[1]111
Programm mit 14 Zeilen definiert
Anfangszustand 1
Endzustand 8
X[1]11
X1[1]1
X11[1]
X111[0]
X11[1]Y
X1[1]1Y
X[1]11Y
[X]111Y
1[1]11Y
1X[1]1Y
1X1[1]Y
1X11[Y]
1X11Y[0]
1X11[Y]1
1X1[1]Y1
1X[1]1Y1
1[X]11Y1
11[1]1Y1
11X[1]Y1

122
11X1[Y]1
11X1Y[1]
11X1Y1[0]
11X1Y[1]1
11X1[Y]11
11X[1]Y11
11[X]1Y11
111[1]Y11
111X[Y]11
111XY[1]1
111XY1[1]
111XY11[0]
111XY1[1]1
111XY[1]11
111X[Y]111
111[X]Y111
1111[Y]111
11111[1]11

Kritik:
• Das Band könnte seine Größe dynamisch verändern.
• Statt eines einseitig unendlichen Bandes könnten wir auch ein zweiseitig unendliches
Band realisieren.
• Das Finden einer Tabellenzeile könnte durch bessere Datenstrukturen beschleunigt
werden.
• Bei Fehlerzuständen bricht das Programm nicht ab. Fehlerbehandlung ist keine tri-
viale Sache.

Aber: Diese Änderungen betreffen jeweils nur die Implementierung einer einzelnen Klasse
(Band oder Programm) und beeinflussen die Implementierung anderer Klassen nicht!

7.16 Abstrakter Datentyp

Eng verknüpft mit dem Begriff der Schnittstelle ist das Konzept des abstrakten Datentyps
(ADT). Ein ADT besteht aus
• einer Menge von Objekten, und
• einem Satz von Operationen auf dieser Menge, sowie
• einer genauen Beschreibung der Semantik der Operationen.
Bemerkung:
• Das Konzept des ADT ist unabhängig von einer Programmiersprache, die Beschrei-
bung kann in natürlicher (oder mathematischer) Sprache abgefasst werden.

123
 • Der ADT beschreibt, was die Operationen tun, aber nicht, wie sie das tun. Die
Realisierung ist also nicht Teil des ADT!
• Die Klasse ist der Mechanismus zur Konstruktion von abstrakten Datentypen in
C++. Allerdings fehlt dort die Beschreibung der Semantik der Operationen! Diese
kann man als Kommentar über die Methoden schreiben.
• In manchen Sprachen (z. B. Eiffel, PLT Scheme) ist es möglich, die Semantik teil-
weise zu berücksichtigen (Design by Contract: zur Funktionsdefinition kann man
Vorbedingungen und Nachbedingungen angeben).

Beispiel 1: Positive m-Bit-Zahlen im Computer

Der ADT Positive m-Bit-Zahl“ besteht aus

”
• Der Teilmenge Pm = {0, 1, . . . , 2m − 1} der natürlichen Zahlen.
• Der Operation +m so dass für a, b ∈ Pm : a +m b = (a + b) mod 2m .
• Der Operation −m so dass für a, b ∈ Pm : a −m b = ((a − b) + 2m ) mod 2m .
• Der Operation ∗m so dass für a, b ∈ Pm : a ∗m b = (a ∗ b) mod 2m .
• Der Operation /m so dass für a, b ∈ Pm : a/m b = q, q die größte Zahl in Pm so dass
q ∗m b ≤ a.
Bemerkung:
• Die Definition dieses ADT stützt sich auf die Mathematik (natürliche Zahlen und
Operationen darauf).
• In C++ (auf einer 32-Bit Maschine) entsprechen unsigned char, unsigned short,
unsigned int den Werten m = 8, 16, 32.

Beispiel 2: ADT Stack

• Ein Stack S über X besteht aus einer geordneten Folge von n Elementen aus X:
S = {s1 , s2 , . . . , sn }, si ∈ X. Die Menge aller Stacks S besteht aus allen möglichen
Folgen der Länge n ≥ 0.
• Operation new : ∅ → S, die einen leeren Stack erzeugt.
• Operation empty : S → {w, f }, die prüft ob der Stack leer ist.
• Operation push : S × X → S zum Einfügen von Elementen.
• Operation pop : S → S zum Entfernen von Elementen.
• Operation top : S → X zum Lesen des obersten Elementes.
• Die Operationen erfüllen folgende Regeln:
1. empty(new()) = w
2. empty(push(S, x)) = f
3. top(push(S, x)) = x

124
 4. pop(push(S, x)) = S

Bemerkung:
• Die einzige Möglichkeit einen Stack zu erzeugen ist die Operation new.
• Die Regeln erlauben uns formal zu zeigen, welches Element nach einer beliebigen
Folge von push und pop Operationen zuoberst im Stack ist:

top(pop(push(push(push(new(), x1 ), x2 ), x3 ))) =

top(push(push(new(), x1 ), x2 )) = x2

• Auch nicht gültige Folgen lassen sich erkennen:

pop(pop(push(new(), x1 ))) = pop(new())

und dafür gibt es keine Regel!

Bemerkung: Abstrakte Datentypen, wie Stack, die Elemente einer Menge X aufnehmen,
heißen auch Container. Wir werden noch eine Reihe von Containern kennenlernen: Feld,
Liste (in Varianten), Queue, usw.

Beispiel 3: Das Feld

Wie beim Stack wird das Feld über einer Grundmenge X erklärt. Auch das Feld ist ein
Container.
Das charakteristische an einem Feld ist der indizierte Zugriff. Wir können das Feld daher
als eine Abbildung einer Indexmenge I ⊂ N in die Grundmenge X auffassen.
Die Indexmenge I ⊆ N sei beliebig, aber im folgenden fest gewählt. Zur Abfrage der
Indexmenge gebe es folgende Operationen:
• Operation min liefert kleinsten Index in I.
• Operation max liefert größten Index in I.
• Operation isM ember : N → {w, f }. isM ember(i) liefert wahr falls i ∈ I, ansonsten
falsch.
Den ADT Feld definieren wir folgendermaßen:
• Ein Feld f ist eine Abbildung der Indexmenge I in die Menge der möglichen Werte
X, d. h. f : I → X. Die Menge aller Felder F ist die Menge aller solcher Abbildun-
gen.
• Operation new : X → F. new(x) erzeugt neues Feld mit Indexmenge I (und initia-
lisiert mit x, siehe unten).
• Operation read : F × I → X zum Auswerten der Abbildung.
• Operation write : F × I × X → F zum Manipulieren der Abbildung.
• Die Operationen erfüllen folgende Regeln:

125
 1. read(new(x), i) = x für alle i ∈ I.
2. read(write(f, i, x), i) = x.
3. read(write(f, i, x), j) = read(f, j) für i 6= j.

Bemerkung:
• In unserer Definition darf I ⊂ N beliebig aber fest gewählt werden. Es sind also
auch nichtzusammenhängende Indexmengen erlaubt.
• Als Variante könnte man die Manipulation der Indexmenge erlauben (die Index-
menge sollte dann als weiterer ADT definiert werden).

8 Klassen und dynamische Speicherverwaltung

Erinnerung: Nachteile von eingebauten Feldern in C/C++:

• Ein eingebautes Feld kennt seine Größe nicht, diese muss immer extra mitgeführt
werden, was ein Konsistenzproblem mit sich bringt.
• Bei dynamischen Feldern ist der Programmierer für die Freigabe des Speicherplatzes
verantwortlich.
• Eingebaute Felder sind äquivalent zu Zeigern und können daher nur by reference
übergeben werden.
• Eingebaute Felder prüfen nicht, ob der Index im erlaubten Bereich liegt.
• Manchmal bräuchte man Verallgemeinerungen, z. B. andere Indexmengen.

8.1 Klassendefinition
Unsere Feldklasse soll Elemente des Grundtyps float aufnehmen. Hier ist die Klassende-
finition:
Programm: ([Link])

class SimpleFloatArray
{
public :
// Neues F e l d mit s Elementen , I =[0 , s −1]
S i m p l e F l o a t A r r a y ( int s , f l o a t f ) ;

// Copy−K o n s t r u k t o r
S i m p l e F l o a t A r r a y ( const S i m p l e F l o a t A r r a y& ) ;

// Zuweisung von F e l d e r n
S i m p l e F l o a t A r r a y& operator=(const S i m p l e F l o a t A r r a y &) ;

// D e s t r u k t o r : Gebe S p e i c h e r f r e i
˜ SimpleFloatArray ( ) ;

126
 // I n d i z i e r t e r Z u g r i f f a u f F e l d e l e m e n t e
// k e i n e U e b e r p r u e f u n g ob I n d e x e r l a u b t
f l o a t& operator [ ] ( int i ) ;

// Anzahl d e r I n d i z e s i n d e r Indexmenge
int numIndices ( ) ;

// k l e i n s t e r I n d e x
int minIndex ( ) ;

// g r ö ß t e r I n d e x
int maxIndex ( ) ;

// I s t d e r I n d e x i n d e r Indexmenge ?
bool isMember ( int i ) ;

private :
int n ; // Anzahl Elemente
float ∗ p ; // Z e i g e r a u f b u i l t −i n a r r a y
};

Bemerkung: Man beachte, dass diese Implementierung das eingebaute Feld nutzt.

8.2 Konstruktor

Programm: ([Link])

S i m p l e F l o a t A r r a y : : S i m p l e F l o a t A r r a y ( int s , f l o a t v )
{
n = s;
try
{
p = new f l o a t [ n ] ;
}
catch ( s t d : : b a d a l l o c )
{
n = 0;
throw ;
}
for ( int i =0; i <n ; i=i +1 ) p [ i ] = v ;
}

S i m p l e F l o a t A r r a y : : ˜ S i m p l e F l o a t A r r a y ( ) { delete [ ] p ; }

int S i m p l e F l o a t A r r a y : : numIndices ( ) { return n ; }

int S i m p l e F l o a t A r r a y : : minIndex ( ) { return 0 ; }

127
 int S i m p l e F l o a t A r r a y : : maxIndex ( ) { return n − 1 ; }

bool S i m p l e F l o a t A r r a y : : isMember ( int i )

{
return ( i >=0 && i <n ) ;
}

Ausnahmen

Bemerkung:
• Oben kann in der Operation new das Ereignis eintreten, dass nicht genug Speicher
vorhanden ist. Dann setzt diese Operation eine sogenannte Ausnahme (exception),
die in der catch-Anweisung abgefangen wird.
• Gute Fehlerbehandlung (Reaktionen auf Ausnahmen) ist in einem großen, profes-
sionellen Programm sehr wichtig!
• Die Schwierigkeit ist, dass man oft an der Stelle des Erkennens des Ereignisses nicht
weiss, wie man darauf reagieren soll.
• Hier wird in dem Objekt vermerkt, dass das Feld die Größe 0 hat und auf eine
Fehlerbehandlung an anderer Stelle verwiesen.

8.3 Indizierter Zugriff

Erinnerung: Die Operationen read und write des ADT Feld werden bei eingebauten
Feldern durch den Operator [] und die Zuweisung realisiert:

x = 3 ∗ a [ i ] + 17.5;
a [ i ] = 3 ∗ x + 17.5;

Unsere neue Klasse soll sich in dieser Beziehung wie ein eingebautes Feld verhalten. Dies
gelingt durch die Definition eines Operators operator[]:
Programm: ([Link])

f l o a t& S i m p l e F l o a t A r r a y : : operator [ ] ( int i )

{
return p [ i ] ;
}

Bemerkung:
• a[i] bedeutet, dass der operator[] von a mit dem Argument i aufgerufen wird.
• Der Rückgabewert von operator[] muss eine Referenz sein, damit a[i] auf der
linken Seite der Zuweisung stehen kann. Wir wollen ja das i-te Element des Feldes
verändern und keine Kopie davon.

128
8.4 Copy–Konstruktor
Schließlich ist zu klären, was beim Kopieren von Feldern passieren soll. Hier sind zwei
Situationen zu unterscheiden:
1. Es wird ein neues Objekt erzeugt welches mit einem existierenden Objekt initialisiert
wird. Dies ist der Fall bei
• Funktionsaufruf mit call by value: der aktuelle Parameter wird auf den formalen
Parameter kopiert.
• Objekt wird als Funktionswert zurückgegeben: Ein Objekt wird in eine tem-
poräre Variable im Stack des Aufrufers kopiert.
• Initialisierung von Objekten mit existierenden Objekten bei der Definition, also
SimpleFloatArray a(b); SimpleFloatArray a = b;
2. Kopieren eines Objektes auf ein bereits existierendes Objekt, das ist die Zuweisung.
Im ersten Fall wird von C++ der sogenannte Copy-Konstruktor aufgerufen. Ein Copy-
Konstruktor ist ein Konstruktor der Gestalt

<Klassenname> ( const <Klassenname> & );

Als Argument wird also eine Referenz auf ein Objekt desselben Typs übergeben. Dabei
bedeutet const, dass das Argumentobjekt nicht manipuliert werden darf.
Programm: ([Link])

S i m p l e F l o a t A r r a y : : S i m p l e F l o a t A r r a y ( const S i m p l e F l o a t A r r a y& a )
{
n = a.n;
p = new f l o a t [ n ] ;
for ( int i =0; i <n ; i=i +1 )
p[ i ] = a.p[ i ];
}

Bemerkung:
• Unser Copy-Konstruktor allokiert ein neues Feld und kopiert alle Elemente des
Argumentfeldes.
• Damit gibt es immer nur jeweils einen Zeiger auf ein dynamisch erzeugtes, einge-
bautes Feld. Der Destruktor kann dieses eingebaute Feld gefahrlos löschen!

Beispiel:

int f ( )
{
S i m p l e F l o a t A r r a y a ( 1 0 0 , 0 . 0 ) ; // F e l d mit 100 Elem .
SimpleFloatArray b = a ; // A u f r u f Copy−Konstr .
. . . // mach e t w a s s c h l a u e s
} // D e s t r u k t o r e n r u f e n d e l e t e [ ] i h r e s e i n g e b . F e l d e s a u f

129
Bemerkung:
• Hier hat man mit der dynamischen Speicherverwaltung der eingebauten Felder
nichts mehr zu tun, und es können auch keine Fehler passieren.
• Dieses Verhalten des Copy-Konstruktors nennt man deep copy.
• Alternativ könnte der Copy-Konstruktor nur den Zeiger in das neue Objekt kopieren
(shallow copy). Hier dürfte der Destruktor das Feld aber nicht einfach freigeben, weil
noch Referenzen bestehen könnten! (Abhilfen: reference counting, garbage collection)

8.5 Zuweisungsoperator
Bei einer Zuweisung a = b soll das Objekt rechts des =-Zeichens auf das bereits initiali-
sierte Objekt links des =-Zeichens kopiert werden. In diesem Fall ruft C++ den operator=
des links stehenden Objektes mit dem rechts stehenden Objekt als Argument auf.
Programm: ([Link])

S i m p l e F l o a t A r r a y& S i m p l e F l o a t A r r a y : : operator=
( const S i m p l e F l o a t A r r a y& a )
{
// nur b e i v e r s c h i e d e n e n O b j e k t e n i s t was tun
i f ( &a != t h i s )
{
i f ( n != a . n )
{
// a l l o k i e r e f u e r t h i s e i n
// F e l d d e r Groesse a . n
delete [ ] p ; // a l t e s F e l d l o e s c h e n
n = a.n;
p = new f l o a t [ n ] ; // k e i n e F e h l e r b e h .
}
for ( int i =0; i <n ; i=i +1 ) p [ i ] = a . p [ i ] ;
}

// Gebe R e f e r e n z z u r u e c k damit a = b = c k l a p p t
return ∗ t h i s ;
}

Bemerkung:
• Haben beide Felder unterschiedliche Größe, so wird für das Feld links vom Zuwei-
sungszeichen ein neues eingebautes Feld der korrekten Größe erzeugt.
• Der Zuweisungsoperator ist in C/C++ so definiert, dass er gleichzeitig den zugewie-
senen Wert hat. Somit werden Ausdrücke wie a = b = 0 oder return tabelle[i]
= n möglich.

8.6 Hauptprogramm

130
Programm: ([Link])

#include <i o s t r e a m >

#include ” S i m p l e F l o a t A r r a y . hh”
#include ” SimpleFloatArrayImp . c c ”
#include ” SimpleFloatArrayIndex . cc ”
#include ” SimpleFloatArrayCopyCons . c c ”
#include ” SimpleFloatArrayAssign . cc ”

void show ( S i m p l e F l o a t A r r a y f )
{
s t d : : c o u t << ”#( ” ;
for ( int i=f . minIndex ( ) ; i<=f . maxIndex ( ) ; i++ )
s t d : : c o u t << f [ i ] << ” ” ;
s t d : : c o u t << ” ) ” << s t d : : e n d l ;
}

int main ( )
{
S i m p l e F l o a t A r r a y a ( 1 0 , 0 . 0 ) ; // e r z e u g e F e l d e r
SimpleFloatArray b( 5 , 5.0 ) ;

for ( int i=a . minIndex ( ) ; i<=a . maxIndex ( ) ; i++ )

a[ i ] = i ;

show ( a ) ; // c a l l by v a l u e , r u f t Copy−K o n s t r u k t o r
b = a; // r u f t o p e r a t o r= von b
show ( b ) ;

// h i e r w ird d e r D e s t r u k t o r b e i d e r O b j e k t e g e r u f e n
}

Bemerkung:
• Jeder Aufruf der Funktion show kopiert das Argument mittels des Copy-Konstruktors.
(Für Demonstrationszwecke: eigentlich sollte man in show eine Referenz verwenden!)
• Entscheidend ist, dass der Benutzer gar nicht mehr mit dynamischer Speicherver-
waltung konfrontiert wird.
• Hier wird erstmals richtige“ C++ Ausgabe verwendet. Das werden wir noch be-
”
handeln.

8.7 Default-Methoden
Für folgende Methoden einer Klasse T erzeugt der Übersetzer automatisch Default-Methoden,
sofern man keine eigenen definiert:
• Argumentloser Konstruktor T();
Dieser wird erzeugt, wenn man keinen anderen Konstruktor außer dem Copy-Konstruktor
angibt. Hierarchische Konstruktion von Unterobjekten.

131
 • Copy-Konstruktor T( const T& );
Kopiert alle Mitglieder in das neue Objekt (memberwise copy) unter Benutzung von
deren Copy-Konstruktor.
• Destruktor ∼T(); Hierarchische Destruktion von Unterobjekten.
• Zuweisungsoperator T& operator=( const T& );
Kopiert alle Mitglieder des Quellobjektes auf das Zielobjekt unter Nutzung der
jeweiligen Zuweisungsoperatoren.
• Adress-of-Operator (&) mit Standardbedeutung.

Bemerkung:
• Der Konstruktor (ob default oder selbstdefiniert) ruft rekursiv die Konstruktoren
von selbstdefinierten Unterobjekten auf.
• Ebenso der Destruktor.
• Enthält ein Objekt Zeiger auf andere Objekte und ist für deren Speicherverwaltung
verantwortlich, so wird man wahrscheinlich alle oben genannten Methoden speziell
schreiben müssen (außer dem &-Operator). Die Klasse SimpleFloatArray illustriert
dies.

8.8 C++ Ein- und Ausgabe

Eingabe von Daten in ein Programm sowie deren Ausgabe ist ein elementarer Aspekt von
Programmen.
Wir haben diesen Aspekt bis jetzt verschoben nicht weil er unwichtig wäre, sondern weil
sich die entsprechenden Konstrukte in C++ nur im Kontext von Klassen und Operatoren
verstehen lassen.
Jedoch werden wir hier nur die Ein- und Ausgabe von Zeichen, insbesondere auf eine
Konsole, betrachten. Dies lässt sich leicht auf Dateien erweitern.
Graphische Ein- und Ausgabe werden wir aus Zeitgründen nicht betrachten. Allerdings
wurde die Programmierung von graphischen Benutzerschnittstellen durch objektorientier-
te Programmierung revolutioniert und C++ ist dafür gut geeignet.

Namensbereiche

Zuvor benötigen wir noch das für große Programme wichtige Konstrukt der Namensbe-
reiche welches auch in der Standardbibliothek verwendet wird.
In der globalen Umgebung darf jeder Name höchstens einmal vorkommen. Dabei ist egal,
ob es sich um Namen für Variablen, Klassen oder Funktionen handelt.
Damit ergibt sich insbesondere ein Problem, wenn zwei Bibliotheken die gleichen Namen
verwenden.
Eine Bibliothek ist eine Sammlung von Klassen und/oder Funktionen, die einem be-
stimmten Zweck dienen und von einem Programmierer zur Verfügung gestellt werden.
Eine Bibliothek enthält keine main-Funktion!

132
Mittels Namensbereichen lässt sich dieses Problem lösen.

namespace A
{
int n = 1 ;
int m = n ;
}

namespace B
{
int n = 2 ;
class X {};
}

int main ( )
{
A: : n = B: : n + 3;
return A : : n ;
}

Mittels namespace werden ähnlich einem Block Unterumgebungen innerhalb der globa-
len Umgebung geschaffen. Allerdings existieren diese Umgebungen gleichzeitig und sind
auch nur innerhalb der globalen Umgebung möglich.
Namen innerhalb eines Namensbereiches werden von ausserhalb durch Voranstellen des
Namens des Namensraumes und dem :: angesprochen (Qualifizierung).
Innerhalb des Namensraumes ist keine Qualifizierung erforderlich. Mittels using kann
man sich die Qualifizierung innerhalb eines Blockes sparen.
Namensräume können wieder Namensräume enthalten.
Elemente eines Namensraumes können an verschiedenen Stellen, sogar in verschiedenen
Dateien definiert werden. Ein Name darf aber innerhalb eines Namensraumes nur einmal
vorkommen.

namespace C
{
double x ;
int f ( double x ) { return x ; } // e i n e Funktion
namespace D
{
double x , y ; // x v e r d e c k t das x i n C
}
}

namespace C
{ // f u e g e w e i t e r e Namen h i n z u
double y ;
}

int main ( )

133
 {
C: : x = 0.0; C: : y = 1.0; C: :D: : y = 2.0;
C: : f ( 2.0 ) ;
return 0 ;
}

Ein- und Ausgabe mit Streams

Für die Ein- und Ausgabe stellt C++ eine Reihe von Klassen und globale Variablen in
der Standardbibliothek zur Verfügung. Ein- und Ausgabe ist also kein Teil der Sprache
C++ selbst.
Alle Variablen, Funktionen und Klassen der C++-Standardbibliothek sind innerhalb des
Namensraumes std definiert.
Grundlegend für die Ein- und Ausgabe in C++ ist die Idee eines Datenstromes. Dabei
unterscheidet man Eingabe- und Ausgabeströme:
• Ein Ausgabestrom ist ein Objekt in welches man Datenelemente hineinsteckt. Diese
werden dann an den gewünschten Ort weitergeleitet, etwa den Bildschirm oder eine
Datei.
• Ein Eingabestrom ist ein Objekt aus welchem man Datenelemente herausholen kann.
Diese kommen von einem gewünschten Ort, etwa der Tastatur oder einer Datei.
Datenströme werden mittels Klassen realisiert:
• std::istream realisiert Eingabeströme.
• std::ostream realisiert Ausgabeströme.
Um diese zu verwenden, muss der Header iostream eingebunden werden.
Die Ein-/Ausgabe wird mittels überladener Methoden realisiert:
• operator>> für die Eingabe.
• operator<< für die Ausgabe.
Zur Ein- und Ausgabe auf der Konsole sind globale Variablen vordefiniert:
• std::cin vom Typ std::istream für die Eingabe.
• std::cout vom Typ std::ostream für die reguläre Ausgabe eines Programmes.
• std::cerr vom Typ std::ostream für die Ausgabe von Fehlern.
Damit sind wir bereit für ein Beispiel.
Programm: ([Link])

#include <i o s t r e a m >

int main ( )
{
int n ;
s t d : : c i n >> n ; // d . h . c i n . o p e r a t o r >>(n ) ;

134
 double x ;
s t d : : c i n >> x ; // d . h . c i n . o p e r a t o r >>(x ) ;
s t d : : c o u t << n ; // d . h . c o u t . o p e r a t o r <<(n ) ;
s t d : : c o u t << ” ” ;
s t d : : c o u t << x ;
s t d : : c o u t << s t d : : e n d l ; // neue Z e i l e
s t d : : c o u t << n << ” ” << x << s t d : : e n d l ;
return 0 ;
}

Die Ausgabe mehrerer Objekte innerhalb einer Anweisung gelingt dadurch, dass die Me-
thode operator<< den Stream, also sich selbst, als Ergebnis zurückliefert:

std::cout << n << std::endl;

ist dasselbe wie

( std::[Link]<<( n ) ).operator<<( std::endl );

Die Methoden operator>> und operator<< sind für alle eingebauten Datentypen wie
int oder double überladen.
Durch Überladen der Funktion

std :: ostream& operator<<( std::ostream&, <Typ> );

kann man obige Form der Ausgabe für selbstgeschriebene Klassen ermöglichen.
Als Beispiel betrachten wir eine Ausgabefunktion für die Klasse Rational:
Programm: ([Link])

s t d : : ostream& operator<<( s t d : : ostream& s , R a t i o n a l q )

{
s << q . numerator ( ) << ” / ” << q . denominator ( ) ;
return s ;
}

Beachte, dass das Streamargument zurückgegeben wird, um die Hintereinanderausführung

zu ermöglichen.
In einer richtigen“ Version würde man die rationale Zahl als const Rational& q übergeben
”
um die Kopie zu sparen. Dies würde allerdings erfordern, die Methoden numerator und
denominator als const zu deklarieren.
Schließlich können wir damit schreiben:
Programm: ([Link])

135
 #include <i o s t r e a m >
#include ” f c p p . hh” // f u e r p r i n t
#include ” R a t i o n a l . hh”
#include ” Rational . cc ”
#include ” RationalOutput . c c ”

int main ( )
{
Rational p( 3 , 4 ) , q( 5 , 3 ) ;

s t d : : c o u t << p << ” ” << q << s t d : : e n d l ;

s t d : : c o u t << ( p + q∗p ) ∗ p∗p << s t d : : e n d l ;
return 0 ;
}

9 Vererbung

9.1 Motivation: Polynome

Definition: Ein Polynom p : R → R ist eine Funktion der Form

n
X
p(x) = p i xi ,
i=0

Wir betrachten hier nur den Fall reellwertiger Koeffizienten pi ∈ R und verlangen pn 6= 0.
n heißt dann Grad des Polynoms.

Operationen:
• Konstruktion.
• Manipulation der Koeffizienten.
• Auswerten des Polynoms an einer Stelle x.
• Addition zweier Polynome

n
X m
X
i
p(x) = pi x , q(x) = q j xj
i=0 j=0

max(n,m)
X
r(x) = p(x) + q(x) = (p∗i + qi∗ ) xi
| {z }
i=0 ri

 
pi i ≤ n qi i ≤ m
p∗i = , qi∗ = .
0 sonst 0 sonst

136
 • Multiplikation zweier Polynome
n
! m
!
X X
r(x) = p(x) ∗ q(x) = p i xi q j xj
i=0 j=0
n
XX m
= pi qj xi+j
i=0 j=0
 
m+n
X X
=  p i q j  xk
k=0 {(i,j)|i+j=k}
| {z }
rk

9.2 Implementation
In großen Programmen möchte man Codeduplizierung vermeiden und möglichst viel Code
wiederverwenden.
Für den Koeffizientenvektor p0 , . . . , pn wäre offensichtlich ein Feld der adäquate Datentyp.
Wir wollen unser Feld SimpleFloatArray benutzen. Eine Möglichkeit:
Programm:

c l a s s Polynomial
{
private :
SimpleFloatArray c o e f f i c i e n t s ;
public :
...
};

Alternativ kann man Polynome als Exemplare von SimpleFloatArray mit zusätzlichen
Eigenschaften ansehen, was im folgenden ausgeführt wird.

9.3 Öffentliche Vererbung

Programm: Definition der Klasse Polynomial mittels Vererbung:

([Link])

c l a s s Polynomial : public S i m p l e F l o a t A r r a y
{
public :
// k o n s t r u i e r e Polynom vom Grad n
Polynomial ( int n ) ;

// D e f a u l t −D e s t r u k t o r i s t ok
// D e f a u l t −Copy−K o n s t r u k t o r i s t ok
// D e f a u l t −Zuweisung i s t ok

137
 // Grad d e s Polynoms
int d e g r e e ( ) ;

// Auswertung
float eval ( float x ) ;

// A d d i t i o n von Polynomen
Polynomial operator+( Polynomial q ) ;

// M u l t i p l i k a t i o n von Polynomen
Polynomial operator ∗ ( Polynomial q ) ;

// G l e i c h h e i t
bool operator==( Polynomial q ) ;

// d r u c k e Polynom
void p r i n t ( ) ;
};

Syntax: Die Syntax der öffentlichen Vererbung lautet:

<ÖAbleitung> ::= class <Klasse2> : public <Klasse1> {
<Rumpf>
};

Bemerkung:
• Klasse 1 heißt Basisklasse, Klasse 2 heißt abgeleitete Klasse.
• Klasse 2 enthält ein Objekt von Klasse 1 als Unterobjekt.
• Alle öffentlichen Mitglieder der Basisklasse mit Ausnahme von Konstruktoren, De-
struktor und Zuweisungsoperatoren sind auch öffentliche Mitglieder der abgeleiteten
Klasse. Sie operieren auf dem Unterobjekt.
• Im Rumpf kann Klasse 2 weitere Mitglieder vereinbaren.
• Daher spricht man auch von einer Erweiterung einer Klasse durch öffentliche Ablei-
tung.
• Alle privaten Mitglieder der Basisklasse sind keine Mitglieder der Klasse 2. Damit
haben auch Methoden der abgeleiteten Klasse keinen Zugriff auf private Mitglieder
der Basisklasse.
• Eine Klasse kann mehrere Basisklassen haben (Mehrfachvererbung), diesen Fall be-
handeln wir hier aber nicht.

138
9.4 Beispiel zu public/private und öffentlicher Vererbung

class X c l a s s Y : public X
{ {
public : public :
int a ; int c ;
void A ( ) ; void C ( ) ;
private : private :
int b ; int d ;
void B ( ) ; void D ( ) ;
}; };

int a int a
X X
int b int b
Y
int c
int d

Y y;
X x; y.a = 1; // OK
y.c = 2; // OK
x . a = 5; // OK y.b = 4; // Fehler
x . b = 10; // F e h l e r y.d = 8; // Fehler

void X : : A( ) void Y : : C( ) {
{ d = 8 ; // OK
B( ) ; // OK b = 4 ; // Fehler
b = 3; // OK A( ) ; // OK
} B( ) ; // Fehler
}

9.5 Ist-ein-Beziehung
Ein Objekt einer abgeleiteten Klasse enthält ein Objekt der Basisklasse als Unterobjekt.
Daher darf ein Objekt der abgeleiteten Klasse für ein Objekt der Basisklasse eingesetzt
werden. Allerdings sind dann nur Methoden der Basisklasse für das Objekt aufrufbar.
Beispiel:

void g ( S i m p l e F l o a t A r r a y a ) { a [ 3 ] = 1 . 0 ; }

Polynomial p ( 10 ) ;
SimpleFloatArray b( 100 , 0.0 ) ;
g ( p ) ; // ( 1 ) OK
p = b; // ( 2 ) F e h l e r
b = p; // ( 3 ) OK

Bemerkung:

139
 • Im Fall (1) wird bei Aufruf von g(p) der Copy-Konstruktor des formalen Parameters
a, also SimpleFloatArray, benutzt, um das SimpleFloatArray-Unterobjekt von p
auf den formalen Parameter a vom Typ SimpleFloatArray zu kopieren.
• Falls Polynomial weitere Datenmitglieder hätte, so würde die Situation so aussehen:
SimpleFloatArray Copy-Konstruktor

a: p:

Wird nicht
kopiert

In diesem Fall spricht man von slicing.

• Im Fall (2) soll einem Objekt der abgeleiteten Klasse ein Objekt der Basisklasse
zugewiesen werden. Dies ist nicht erlaubt, da nicht klar ist, welchen Wert etwaige
zusätzliche Datenmitglieder der abgeleiteten Klasse bekommen sollen.
• Fall (3) ist OK, der Zuweisungsoperator der Basisklasse wird aufgerufen und das
Unterobjekt aus der abgeleiteten Klasse dem links stehenden Objekt der Basisklasse
zugewiesen.

9.6 Konstruktoren, Destruktor und Zuweisungsoperatoren

Programm: ([Link])

Polynomial : : Polynomial ( int n ) :

S i m p l e F l o a t A r r a y ( n+1, 0 . 0 ) {}

Bemerkung:
• Die syntaktische Form entspricht der Initialisierung von Unterobjekten wie oben
beschrieben.
• Die Implementierung des Copy-Konstruktors kann man sich sparen, da der Default-
Copy-Konstruktor das Gewünschte leistet, dasselbe gilt für Zuweisungsoperator und
Destruktor.

9.7 Auswertung

Programm: Auswertung mit Horner-Schema ([Link])

// Auswertung
f l o a t Polynomial : : e v a l ( f l o a t x )
{
f l o a t sum = 0 . 0 ;

140
 // Hornerschema
for ( int i=maxIndex ( ) ; i >=0; i=i −1 )
sum = sum ∗ x + operator [ ] ( i ) ;
return sum ;
}

Bemerkung: Statt operator[](i) könnte man (∗this)[ i ] schreiben.

9.8 Weitere Methoden

Programm: ([Link])

// Grad a u s w e r t e n
int Polynomial : : d e g r e e ( )
{
return maxIndex ( ) ;
}

// A d d i t i o n von Polynomen
Polynomial Polynomial : : operator+( Polynomial q )
{
int nr = d e g r e e ( ) ; // mein Grad

i f ( q . d e g r e e ( ) > nr ) nr = q . d e g r e e ( ) ;

Polynomial r ( nr ) ; // Erg ebnis poly nom

for ( int i =0; i<=nr ; i=i +1 )

{
i f ( i <= d e g r e e ( ) )
r [ i ] = r [ i ] + ( ∗ t h i s ) [ i ] ; // add me t o r
i f ( i <= q . d e g r e e ( ) )
r [ i ] = r [ i ] + q[ i ]; // add q t o r
}

return r ;
}

// M u l t i p l i k a t i o n von Polynomen
Polynomial Polynomial : : operator ∗ ( Polynomial q )
{
Polynomial r ( d e g r e e ( ) + q . d e g r e e ( ) ) ; // Erg ebnis poly nom

for ( int i =0; i<=d e g r e e ( ) ; i=i +1 )

for ( int j =0; j<=q . d e g r e e ( ) ; j=j +1 )
r [ i+j ] = r [ i+j ] + ( ∗ t h i s ) [ i ] ∗ q [ j ] ;

return r ;

141
 }

// Drucken
void Polynomial : : p r i n t ( )
{
i f ( degree () < 0 )
s t d : : c o u t << 0 ;
else
s t d : : c o u t << ( ∗ t h i s ) [ 0 ] ;

for ( int i =1; i<=maxIndex ( ) ; i=i +1 )

s t d : : c o u t << ”+” << ( ∗ t h i s ) [ i ] << ” ∗xˆ ” << i ;

s t d : : c o u t << s t d : : e n d l ;
}

9.9 Gleichheit
Gleichheit ist kein einfaches Konzept, wie man ja schon an Zahlen sieht: ist 0 == 0.0?
Oder (int) 1000000000 == (short) 1000000000? Gleichheit für selbstdefinierte Da-
tentypen ist daher Sache des Programmierers:
Programm: ([Link])

bool Polynomial : : operator==( Polynomial q )

{
i f ( q . degree () > degree () )
{
for ( int i =0; i<=d e g r e e ( ) ; i=i +1 )
i f ( ( ∗ t h i s ) [ i ] != q [ i ] ) return f a l s e ;
for ( int i=d e g r e e ( ) +1; i<=q . d e g r e e ( ) ; i=i +1 )
i f ( q [ i ] != 0 . 0 ) return f a l s e ;
}
else
{
for ( int i =0; i<=q . d e g r e e ( ) ; i=i +1 )
i f ( ( ∗ t h i s ) [ i ] != q [ i ] ) return f a l s e ;
for ( int i=q . d e g r e e ( ) +1; i<=d e g r e e ( ) ; i=i +1 )
i f ( ( ∗ t h i s ) [ i ] != 0 . 0 ) return f a l s e ;
}

return true ;
}

Bemerkung: Im Gegensatz dazu ist Gleichheit von Zeigern immer definiert. Zwei Zeiger
sind gleich, wenn sie auf dasselbe Objekt zeigen:

Polynomial p ( 10 ) , q ( 10 ) ;

142
 Polynomial ∗ z1 = &p ;
Polynomial ∗ z2 = &p ;
Polynomial ∗ z3 = &q ;

i f ( z1 == z2 ) . . . // i s t wahr
i f ( z1 == z3 ) . . . // i s t f a l s c h

9.10 Benutzung von Polynomial

Folgendes Beispiel definiert das Polynom

p=1+x

und druckt p, p2 und p3 .

Programm: ([Link])

#include <i o s t r e a m >

// a l l e s zum S i m p l e F l o a t A r r a y
#include ” S i m p l e F l o a t A r r a y . hh”
#include ” SimpleFloatArrayImp . c c ”
#include ” SimpleFloatArrayIndex . cc ”
#include ” SimpleFloatArrayCopyCons . c c ”
#include ” SimpleFloatArrayAssign . cc ”

// Das Polynom
#include ” Polynomial . hh”
#include ” PolynomialImp . c c ”
#include ” PolynomialKons . c c ”
#include ” PolynomialEqual . c c ”
#include ” PolynomialEval . c c ”

int main ( )
{
Polynomial p ( 2 ) , q ( 10 ) ;

p[0] = 1.0;
p[1] = 1.0;
p . print () ;

q = p ∗ p;
q . print () ;

q = p ∗ p ∗ p;
q . print () ;
}

mit der Ausgabe:

143
1+1*x^1
1+2*x^1+1*x^2
1+3*x^1+3*x^2+1*x^3

9.11 Diskussion
• Diese Implementation hat die wesentliche Schwachstelle, dass der Grad bei führenden
Nullen mathematisch nicht korrekt ist. Angenehmer wäre, wenn Konstanten den
Grad 0 hätten, lineare Polynome den Grad 1 und der Koeffizientenvektor allgemein
die Länge Grad+1 hätte.
• Die Abhilfe könnte darin bestehen, dafür zu sorgen, dass der Konstruktor nur Poly-
nome mit korrektem Grad erzeugt. Allerdings können Polynome ja beliebig modifi-
ziert werden, daher wäre eine andere Möglichkeit in der Methode degree den Grad
jeweils aus den Koeffizienten zu bestimmen.

9.12 Private Vererbung

Wenn man nur die Implementierung von SimpleFloatArray nutzen will, ohne die Me-
thoden öffentlich zu machen, so kann man dies durch private Vererbung erreichen:
Programm:

c l a s s Polynomial : private S i m p l e F l o a t A r r a y
{
public :
...
};

Bemerkung: Hier müsste man dann die Schnittstelle zum Zugriff auf die Koeffizienten
des Polynoms selbst Programmieren, oder zumindest die Initialisierung mittels
Polynomial::Polynomial( SimpleFloatArray& coeffs ) { ... }

Eigenschaften der privaten Vererbung

Bemerkung: Private Vererbung bedeutet:

• Ein Objekt der abgeleiteten Klasse enthält ein Objekt der Basisklasse als Unterob-
jekt.
• Alle öffentlichen Mitglieder der Basisklasse werden private Mitglieder der abgelei-
teten Klasse.
• Alle privaten Mitglieder der Basisklasse sind keine Mitglieder der abgeleiteten Klas-
se.
• Ein Objekt der abgeleiteten Klasse kann nicht für ein Objekt der Basisklasse ein-
gesetzt werden!

144
Zusammenfassung Wir haben somit drei verschiedene Möglichkeiten kennengelernt, um
die Klasse SimpleFloatArray für Polynomial zu nutzen:
1. Als privates Datenmitglied
2. Mittels öffentlicher Vererbung
3. Mittels privater Vererbung

Bemerkung: Je nach Situation ist die eine oder andere Variante angemessener. Hier
hängt viel vom guten Geschmack des Programmierers ab. In diesem speziellen Fall würde
ich persönlich Möglichkeit 1 bevorzugen.

9.13 Methodenauswahl und virtuelle Funktionen

Motivation: Feld mit Bereichsprüfung

Problem: Die für die Klasse SimpleFloatArray implementierte Methode operator[]

prüft nicht, ob der Index im erlaubten Bereich liegt. Zumindest in der Entwicklungsphase
eines Programmes wäre es aber nützlich, ein Feld mit Indexüberprüfung zu haben.

Abhilfe: Ableitung einer Klasse CheckedSimpleFloatArray, bei der sich operator[]

anders verhält.

Programm: Klassendefinition ([Link]):

c l a s s CheckedSimpleFloatArray :
public S i m p l e F l o a t A r r a y
{
public :
CheckedSimpleFloatArray ( int s , f l o a t f ) ;

// D e f a u l t −Versionen von copy K o n s t r u k t o r , Z u w e i s u n g s o p e r a t o r

// und D e s t r u k t o r s i n d OK

// I n d i z i e r t e r Z u g r i f f mit I n d e x p r ü f u n g
f l o a t& operator [ ] ( int i ) ;
};

Methodendefinition ([Link]):

CheckedSimpleFloatArray : :
CheckedSimpleFloatArray ( int s , f l o a t f ) :
SimpleFloatArray ( s , f )
{}

f l o a t& CheckedSimpleFloatArray : : operator [ ] ( int i )

{
a s s e r t ( i>=minIndex ( ) && i<=maxIndex ( ) ) ;
return S i m p l e F l o a t A r r a y : : operator [ ] ( i ) ;
}

145
Verwendung ([Link]):

#include <i o s t r e a m >

#include <c a s s e r t >

#include ” S i m p l e F l o a t A r r a y . hh”
#include ” SimpleFloatArrayImp . c c ”
#include ” SimpleFloatArrayIndex . cc ”
#include ” SimpleFloatArrayCopyCons . c c ”
#include ” SimpleFloatArrayAssign . cc ”

#include ” CheckedSimpleFloatArray . hh”

#include ” CheckedSimpleFloatArrayImp . c c ”

void g ( S i m p l e F l o a t A r r a y& a )
{
s t d : : c o u t << ” b e g i n n i n g : ” << s t d : : e n d l ;
s t d : : c o u t << ” a c c e s s : ” << a [ 1 ] << ” ” << a [ 1 0 ] << s t d : : e n d l ;
s t d : : c o u t << ” ende i n g : ” << s t d : : e n d l ;
}

int main ( )
{
CheckedSimpleFloatArray a ( 1 0 , 0 ) ;
g( a ) ;
s t d : : c o u t << ” b e g i n n i n main : ” << s t d : : e n d l ;
s t d : : c o u t << ” z u g r i f f i n main : ” << a [ 1 0 ] << s t d : : e n d l ;
s t d : : c o u t << ” ende i n main : ” << s t d : : e n d l ;
}

mit der Ausgabe:

beginn in g:
access: 0 1.85018e-40
ende in g:
beginn in main:
UseCheckedSimpleFloatArray: [Link]:
float& CheckedSimpleFloatArray::operator[](int):
Assertion ‘i>=minIndex() && i<=maxIndex()’ failed.
Aborted (core dumped)

Bemerkung:
• In der Funktion main funktioniert die Bereichsprüfung dann wie erwartet.
• In der Funktion g wird hingegen keine Bereichsprüfung durchgeführt, auch wenn sie
mit einem Objekt vom Typ CheckedSimpleFloatArray aufgerufen wird !
• Warum ist das so?
• In der Funktion g betrachtet der Compiler die übergebene Referenz als Objekt vom
Typ SimpleFloatArray und dies hat keine Bereichsprüfung.

146
 • Der Funktionsaufruf mit dem Objekt der öffentlich abgeleiteten Klasse ändert daran
nichts! Dies ist eine Konsequenz der Realisierung der Ist-ein-Beziehung.
• Die Auswahl der Methode hängt vom angegeben Typ ab und nicht vom konkreten
Objekt welches übergeben wird.
• Meistens ist dies aber nicht das gewünschte Verhalten (vgl. dazu auch die späteren
Beispiele).

Virtuelle Funktionen

Idee: Gib dem Compiler genügend Information, so dass er schon bei der Übersetzung
von SimpleFloatArray-Methoden ein flexibles Verhalten von [] möglich macht. In C++
geschieht dies, indem man Methoden in der Basisklasse als virtuell (virtual ) kennzeichnet.

Programm:

class SimpleFloatArray
{
public :
...
v i r t u a l f l o a t& operator [ ] ( int i ) ;
...
private :
...
};

Beobachtung: Mit dieser Änderung funktioniert die Bereichsprüfung auch in der Funkti-
on g in [Link]: wird sie mit einer Referenz auf ein CheckedSimpleFloatArra
Objekt aufgerufen, so wird der Bereichstest durchgeführt, bei Aufruf mit einer Referenz
auf ein SimpleFloatArray-Objekt aber nicht.

Bemerkung:
• Die Einführung einer virtuellen Funktion erfordert also Änderungen in bereits exi-
stierendem Code, nämlich der Definition der Basisklasse!
• Die Implementierung der Methoden bleibt jedoch unverändert.

Implementation: Diese Auswahl der Methode in Abhängigkeit vom tatsächlichen Typ

des Objekts kann man dadurch erreichen, dass jedes Objekt entweder Typinformation
oder einen Zeiger auf eine Tabelle mit den für seine Klasse virtuell definierten Funktionen
mitführt.

Bemerkung:
• Wird eine als virtuell markierte Methode in einer abgeleiteten Klasse neu imple-
mentiert, so wird die Methode der abgeleiteten Klasse verwendet, wenn das Objekt
für ein Basisklassenobjekt eingesetzt wird.

147
 • Die Definition der Methode in der abgeleiteten Klasse muss genau mit der Definition
in der Basisklasse übereinstimmen, ansonsten wird überladen!
• Das Schlüsselwort virtual muss in der abgeleiteten Klasse nicht wiederholt werden,
es ist aber guter Stil dies zu tun.
• Die Eigenschaften virtueller Funktionen lassen sich nur nutzen, wenn auf das Objekt
über Referenzen oder Zeiger zugegriffen wird! Bei einem Aufruf (call-by-value) von

void g ( S i m p l e F l o a t A r r a y a )
{
c o u t << a [ 1 ] << ” ” << a [ 1 1 ] << e n d l ;
}

erzeugt der Copy-Konstruktor ein Objekt a vom Typ SimpleFloatArray (Slicing!)

und innerhalb von g() wird entsprechend dessen operator[] verwendet.
• Virtuelle Funktionen stellen wieder eine Form des Polymorphismus dar ( eine Schnitt-
”
stelle — viele Methoden“).
• Der Zugriff auf eine Methode über die Tabelle virtueller Funktionen ist deutlich
ineffizienter, was für Objektorientierung auf niedriger Ebene eine Rolle spielen kann.
• In vielen objektorientierten Sprachen (z. B. Smalltalk, Objective C, Common Lisp/CLOS)
verhalten sich alle Methoden virtuell“.
”
• In der Programmiersprache Java ist das virtuelle Verhalten der Normalfall, das
Default-Verhalten von C++-Methoden kann man aber durch Hinzufügen des Schlüsselworts
static erreichen.

10 Abstrakte Klassen

10.1 Motivation

Hatten:

SimpleFloatArray
virtual operator[]

CheckedSimpleFloatArray
virtual operator[]

Beobachtung: Beide Klassen besitzen dieselben Methoden und unterscheiden sich nur
in der Implementierung von operator[]. Wir könnten ebenso SimpleFloatArray von
CheckedSimpleFloatArray ableiten. Das Klassendiagramm drückt diese Symmetrie aber
nicht aus.

148
Grund: SimpleFloatArray stellt sowohl die Definition der Schnittstelle eines ADT Feld
dar, als auch eine Implementierung dieser Schnittstelle. Es ist aber sinnvoll, diese beiden
Aspekte zu trennen.

10.2 Schnittstellenbasisklassen

Idee: Definiere eine möglichst allgemeine Klasse FloatArray, von der sowohl SimpleFloatArray
als auch CheckedSimpleFloatArray abgeleitet werden.

Bemerkung: Oft will und kann man für (virtuelle) Methoden in einer solchen Basisklasse
keine Implementierung angeben. In C++ kennzeichnet man sie dann mit dem Zusatz =
0 am Ende. Solche Funktionen bezeichnet man als rein virtuelle (engl.: pure virtual)
Funktionen.

Beispiel: ([Link])

class FloatArray
{
public :
virtual ˜ FloatArray ( ) {};
v i r t u a l f l o a t& operator [ ] ( int i ) = 0 ;
v i r t u a l int numIndices ( ) = 0 ;
v i r t u a l int minIndex ( ) = 0 ;
v i r t u a l int maxIndex ( ) = 0 ;
v i r t u a l bool isMember ( int i ) = 0 ;
};

Bezeichnung: Klassen, die mindestens eine rein virtuelle Funktion enthalten, nennt man
abstrakt. Das Gegenteil ist eine konkrete Klasse.

Bemerkung:
• Man kann keine Objekte von abstrakten Klassen instanzieren. Aus diesem Grund
haben abstrakte Klassen auch keine Konstruktoren.
• Sehr wohl kann man aber Zeiger und Referenzen dieses Typs haben, die dann aber
auf Objekte abgeleiteter Klassen zeigen.
• Eine abstrakte Klasse, die der Definition einer Schnittstelle dient, bezeichnen wir
nach Barton/Nackman als Schnittstellenbasisklasse (interface base class).
• Schnittstellenbasisklassen enthalten üblicherweise keine Datenmitglieder und alle
Methoden sind rein virtuell.
• Die Implementierung dieser Schnittstelle erfolgt in abgeleiteten Klassen.

Bemerkung: (Virtueller Destruktor) Eine Schnittstellenbasisklasse sollte einen virtuellen

Destruktor

virtual ˜ FloatArray ( ) ;

149
mit einer Dummy-Implementierung

F l o a t A r r a y : : ˜ F l o a t A r r a y ( ) {}

besitzen, damit man dynamisch erzeugte Objekte abgeleiter Klassen durch die Schnitt-
stelle der Basisklasse löschen kann. Beispiel:

void g ( F l o a t A r r a y ∗ p )
{
delete p ;
}

Bemerkung: Der Destruktor darf nicht rein virtuell sein, da der Destruktor abgeleiteter
Klassen einen Destruktor der Basisklasse aufrufen will.

10.3 Beispiel: geometrische Formen

Aufgabe: Wir wollen mit zweidimensionalen geometrischen Formen arbeiten. Dies sind
von einer Kurve umschlossene Flächen wie Kreis, Rechteck, Dreieck, . . . .

Programm: Eine mögliche C++-Implementierung wäre folgende ([Link]):

#include <i o s t r e a m >

#include <cmath>

const double p i = 3 . 1 4 1 5 9 2 6 5 3 6 ;

c l a s s Shape
{
public :
v i r t u a l ˜ Shape ( ) { } ;
v i r t u a l double a r e a ( ) = 0 ;
v i r t u a l double d i a m e t e r ( ) = 0 ;
v i r t u a l double c i r c u m f e r e n c e ( ) = 0 ;
};

// works on e v e r y sh ap e
double c i r c u m f e r e n c e t o a r e a ( Shape& shape )
{
return shape . c i r c u m f e r e n c e ( ) / shape . a r e a ( ) ;
}

c l a s s C i r c l e : public Shape
{
public :
C i r c l e ( double r ) { r a d i u s = r ; }
v i r t u a l double a r e a ( )
{
return p i ∗ r a d i u s ∗ r a d i u s ;

150
 }
v i r t u a l double d i a m e t e r ( )
{
return 2 ∗ r a d i u s ;
}
v i r t u a l double c i r c u m f e r e n c e ( )
{
return 2 ∗ p i ∗ r a d i u s ;
}
private :
double r a d i u s ;
};

c l a s s R e c t a n g l e : public Shape
{
public :
R e c t a n g l e ( double aa , double bb )
{
a = aa ; b = bb ;
}
v i r t u a l double a r e a ( ) { return a∗b ; }
v i r t u a l double d i a m e t e r ( )
{
return s q r t ( a∗a + b∗b ) ;
}
v i r t u a l double c i r c u m f e r e n c e ( )
{
return 2 ∗ ( a + b ) ;
}
private :
double a , b ;
};

int main ( )
{
Rectangle unit square ( 1.0 , 1.0 ) ;
Circle u n i t c i r c l e ( 1.0 ) ;
Circle u n i t a r e a c i r c l e ( 1.0 / sqrt ( pi ) ) ;

s t d : : c o u t << ”Das V e r h a e l t n i s von Umfang zu F l a e c h e b e t r a e g t \n” ;

s t d : : c o u t << ” E i n h e i t s q u a d r a t : ”
<< c i r c u m f e r e n c e t o a r e a ( u n i t square )
<< s t d : : e n d l ;
s t d : : c o u t << ” K r e i s mit F l a e c h e 1 : ”
<< c i r c u m f e r e n c e t o a r e a ( u n i t area circle )
<< s t d : : e n d l ;
s t d : : c o u t << ” E i n h e i t s k r e i s : ”
<< c i r c u m f e r e n c e t o a r e a ( u n i t circle )
<< s t d : : e n d l ;
return 0 ;

151
 }

Ergebnis: Wir erhalten als Ausgabe des Programms:

Das Verhaeltnis von Umfang zu Flaeche betraegt

Einheitsquadrat: 4
Kreis mit Flaeche 1: 3.54491
Einheitskreis: 2

10.4 Beispiel: Funktoren

→ Klasse der Objekte, die sich wie Funktionen verhalten.
Hatten: Definition einer Inkrementierer-Klasse in [Link]. Nachteile wa-
ren:
• Möchten beliebige Funktion auf die Listenelemente anwenden können.
• Syntax [Link](...) nicht optimal.
Dies wollen wir nun mit Hilfe einer Schnittstellenbasisklasse und der Verwendung von
operator() verbessern.

Programm: ([Link])

#include <i o s t r e a m >

c l a s s Function
{
public :
v i r t u a l ˜ Function ( ) { } ;
v i r t u a l int operator ( ) ( int ) = 0 ;
};

c l a s s I n k r e m e n t i e r e r : public Function
{
public :
I n k r e m e n t i e r e r ( int n ) { inkrement = n ; }
v i r t u a l int operator ( ) ( int n ) { return n + inkrement ; }
private :
int inkrement ;
};

void s c h l e i f e ( Function& f u n c )
{
for ( int i =1; i <10; i++ )
s t d : : c o u t << f u n c ( i ) << ” ” ;
s t d : : c o u t << s t d : : e n d l ;
}

152
 c l a s s Quadrat : public Function
{
public :
v i r t u a l int operator ( ) ( int n ) { return n ∗ n ; }
};

int main ( )
{
I n k r e m e n t i e r e r i n k ( 10 ) ;
Quadrat quadrat ;
s c h l e i f e ( ink ) ;
s c h l e i f e ( quadrat ) ;
}

Bemerkung: Unangenehm ist jetzt eigentlich nur noch, dass der Argument- und Rückgabetyp
der Methode auf int festgelegt ist. Dies wird bald durch Schablonen (Templates) behoben
werden.

10.5 Beispiel: Exotische Felder

Programm: Wir definieren folgende (schon gezeigte) Schnittstellenbasisklasse (Floa-

[Link]):

class FloatArray
{
public :
virtual ˜ FloatArray ( ) {};
v i r t u a l f l o a t& operator [ ] ( int i ) = 0 ;
v i r t u a l int numIndices ( ) = 0 ;
v i r t u a l int minIndex ( ) = 0 ;
v i r t u a l int maxIndex ( ) = 0 ;
v i r t u a l bool isMember ( int i ) = 0 ;
};

Von dieser kann man leicht SimpleFloatArray ableiten. Außerdem passt die Schnittstelle
auf weitere Feldtypen, was wir im Folgenden zeigen wollen.

Dynamisches Feld

Wir wollen jetzt ein Feld mit variabel großer, aber zusammenhängender Indexmenge I =
{o, o+1, . . . , o+n−1} mit o, n ∈ Z und n ≥ 0 definieren. Wir gehen dazu folgendermaßen
vor:
• Der Konstruktor fängt mit einem Feld der Länge 0 an (o = n = 0).
• operator[] prüft, ob i ∈ I gilt; wenn nein, so wird der Indexbereich erweitert,
ein entsprechendes Feld allokiert, die Werte aus dem alten Feld werden in das neue
kopiert und das alte danach freigegeben.

153
Programm: ([Link])

c l a s s DynamicFloatArray : public F l o a t A r r a y
{
public :
DynamicFloatArray ( ) { n = 0 ; o = 0 ; p = new f l o a t [ 1 ] ; }
v i r t u a l ˜ DynamicFloatArray ( ) { delete [ ] p ; }
v i r t u a l f l o a t& operator [ ] ( int i ) ;
v i r t u a l int numIndices ( ) { return n ; }
v i r t u a l int minIndex ( ) { return o ; }
v i r t u a l int maxIndex ( ) { return o + n − 1 ; }
v i r t u a l bool isMember ( int i ) { return ( i >= o ) && ( i < o+n ) ; }
private :
int n ; // Anzahl Elemente
int o ; // Ursprung d e r Indexmenge
float ∗ p ; // Z e i g e r a u f b u i l t −i n a r r a y
};

f l o a t& DynamicFloatArray : : operator [ ] ( int i )

{
i f ( i < o | | i >= o+n )
{ // r e s i z e
int new o , new n ;
if ( i < o ) {
new o = i ;
new n = n + o − i ;
}
else
{
new o = o ;
new n = i − o + 1 ;
}
f l o a t ∗ q = new f l o a t [ new n ] ;
for ( int j =0; j <new n ; j=j +1 ) q [ j ] = 0 . 0 ;
for ( int j =0; j <n ; j=j +1 )
q [ j + o − new o ] = p [ j ] ;
delete [ ] p ;
p = q;
n = new n ;
o = new o ;
}
return p [ i − o ] ;
}

Bemerkung:
• Im Konstruktor wird der Einfachheit halber bereits ein float allokiert.
• Der Copy-Konstruktor und Zuweisungsoperator müssten auch implementiert werden
(um zu vermeiden, dass der Zeiger kopiert wird).

154
Listenbasiertes Feld

Problem: Wenn man DynamicFloatArray zur Darstellung von Polynomen verwendet,

so werden Polynome mit vielen Nullkoeffizienten, z. B.

p(x) = x100 + 1 oder q(x) = p2 (x) = x200 + 2x100 + 1

sehr ineffizient verwaltet.

Abhilfe: Speichere die Elemente des Feldes als einfach verkettete Liste von Index–Wert–
Paaren:

ListFloatArray

index 100 index 200 index 0

value 2 value 1 value 1

Programm: ([Link])

class ListFloatArray :
public F l o a t A r r a y
{
public :
ListFloatArray () ; // l e e r e s F e l d
virtual ˜ ListFloatArray ( ) ; // e r s e t z t ˜ F l o a t A r r a y

v i r t u a l f l o a t& operator [ ] ( int i ) ;

v i r t u a l int numIndices ( ) ;
v i r t u a l int minIndex ( ) ;
v i r t u a l int maxIndex ( ) ;
v i r t u a l bool isMember ( int i );
private :
struct F l o a t L i s t E l e m
{ // l o k a l e S t r u k t u r
F l o a t L i s t E l e m ∗ next ;
int i n d e x ;
float value ;
};
F l o a t L i s t E l e m ∗ i n s e r t ( int i , float v ) ;
F l o a t L i s t E l e m ∗ f i n d ( int i );

int n ; // Anzahl Elemente

F l o a t L i s t E l e m ∗ p ; // L i s t e n a n f a n g
};

// p r i v a t e H i l f s f u n k t i o n e n

155
ListFloatArray : : FloatListElem ∗
L i s t F l o a t A r r a y : : i n s e r t ( int i , f l o a t v )
{
F l o a t L i s t E l e m ∗ q = new F l o a t L i s t E l e m ;

q−>i n d e x = i ;
q−>v a l u e = v ;
q−>next = p ;
p = q;
n = n + 1;
return q ;
}

ListFloatArray : : FloatListElem ∗
L i s t F l o a t A r r a y : : f i n d ( int i )
{
for ( F l o a t L i s t E l e m ∗ q=p ; q ! = 0 ; q=q−>next )
i f ( q−>i n d e x == i )
return q ;
return 0 ;
}

// K o n s t r u k t o r
ListFloatArray : : ListFloatArray ()
{
n = 0 ; // a l l e s l e e r
p = 0;
}

// D e s t r u k t o r
ListFloatArray : : ˜ ListFloatArray ()
{
while ( p != 0 )
{
FloatListElem ∗ q ;
q = p; // q i s t e r s t e s
p = q−>next ; // e n t f e r n e q aus L i s t e
delete q ;
}
}

f l o a t& L i s t F l o a t A r r a y : : operator [ ] ( int i )

{
FloatListElem ∗ r = find ( i ) ;
i f ( r == 0 )
r = i n s e r t ( i , 0 . 0 ) ; // i n d e x e i n f u e g e n
return r−>v a l u e ;
}

int L i s t F l o a t A r r a y : : numIndices ( )

156
 {
return n ;
}

int L i s t F l o a t A r r a y : : minIndex ( )
{
i f ( p == 0 ) return 0 ;
int min = p−>i n d e x ;
for ( F l o a t L i s t E l e m ∗ q=p−>next ; q ! = 0 ; q=q−>next )
i f ( q−>i n d e x < min ) min = q−>i n d e x ;
return min ;
}

int L i s t F l o a t A r r a y : : maxIndex ( )
{
i f ( p == 0 ) return 0 ;
int max = p−>i n d e x ;
for ( F l o a t L i s t E l e m ∗ q=p−>next ; q ! = 0 ; q=q−>next )
i f ( q−>i n d e x > max ) max = q−>i n d e x ;
return max ;
}

bool L i s t F l o a t A r r a y : : isMember ( int i )

{
return ( f i n d ( i ) != 0 ) ;
}

Bemerkung:
• Das Programm verwendet eine unsortierte Liste. Man hätte auch eine sortierte Liste
verwenden können (Vorteile?).
• Für die Index–Wert–Paare wird innerhalb der Klassendefinition der zusammenge-
setzte Datentyp FloatListElem definiert.
• Die privaten Methoden dienen der Manipulation der Liste und werden in der Im-
plementierung der öffentlichen Methoden verwendet. Merke: Innerhalb einer Klasse
können wiederum Klassen definiert werden!

Anwendung

Wir haben somit folgendes Klassendiagramm:

FloatArray

DynamicFloatArray ListFloatArray

Da sowohl DynamicFloatArray als auch ListFloatArray die durch FloatArray definierte

157
Schnittstelle erfüllen, kann man nun Methoden für FloatArray schreiben, die auf beiden
abgeleiteten Klassen funktionieren.
Als Beispiel betrachten wir folgendes Programm, welches FloatArray wieder zur Polynom-
Multiplikation verwendet (der Einfachheit halber ohne es in eine Klasse Polynomial zu
packen).
Programm: ([Link])

#include <i o s t r e a m >

#include ” F l o a t A r r a y . hh”
#include ”DFA. c c ”
#include ”LFA . c c ”

void polyshow ( F l o a t A r r a y& f )

{
for ( int i=f . minIndex ( ) ; i<=f . maxIndex ( ) ; i=i +1 )
i f ( f . isMember ( i ) && f [ i ] != 0 . 0 )
s t d : : c o u t << ”+” << f [ i ] << ” ∗xˆ ” << i ;
s t d : : c o u t << s t d : : e n d l ;
}

void polymul ( F l o a t A r r a y& a , F l o a t A r r a y& b , F l o a t A r r a y& c )

{
// Loesche a
for ( int i=a . minIndex ( ) ; i<=a . maxIndex ( ) ; i=i +1 )
i f ( a . isMember ( i ) )
a[ i ] = 0.0;

// a = b ∗ c
for ( int i=b . minIndex ( ) ; i<=b . maxIndex ( ) ; i=i +1 )
i f ( b . isMember ( i ) )
f o r ( int j=c . minIndex ( ) ; j<=c . maxIndex ( ) ; j=j +1 )
i f ( c . isMember ( j ) )
a [ i+j ] = a [ i+j ] + b [ i ] ∗ c [ j ] ;
}

int main ( )
{
// f u n k t i o n i e r t mit e i n e r d e r f o l g e n d e n Z e i l e n :
// DynamicFloatArray f , g ;
ListFloatArray f , g ;

f [0] = 1.0; f [100] = 1.0;

polymul ( g, f, f );
polymul ( f, g, g );
polymul ( g, f, f );
polymul ( f, g, g ) ; // f = (1 + x ˆ100) ˆ16

158
 polyshow ( f ) ;
}

Ausgabe:

+1*x^0+16*x^1000+120*x^2000+560*x^3000+1820*x^4000+4368*x^5000+8008*x^6000
+11440*x^7000+12870*x^8000+11440*x^9000+8008*x^10000+4368*x^11000
+1820*x^12000+560*x^13000+120*x^14000+16*x^15000+1*x^16000

Bemerkung:
• Man kann nun sehr spät“, nämlich erst in der main-Funktion entscheiden, mit
”
welcher Art Felder man tatsächlich arbeiten will.
• Je nachdem, wie vollbesetzt der Koeffizientenvektor ist, ist entweder DynamicFloatArray
oder ListFloatArray günstiger.
• Schlecht ist noch die Weise, in der allgemeine Schleifen über das Feld implemen-
tiert werden. Die Anwendung auf ListFloatArray ist sehr ineffektiv! Eine Abhilfe
werden wir bald kennenlernen (Iteratoren).

10.6 Zusammenfassung
In diesem Abschnitt haben wir gezeigt, wie man mit Hilfe von Schnittstellenbasisklassen
eine Trennung von
• Schnittstellendefinition und
• Implementierung
erreicht.
Dies gelingt durch
• rein virtuelle Funktionen in Verbindung mit
• Vererbung.
Typischerweise erhält man Klassendiagramme der Form:

Schnittstellenbasisklasse

Implementierung1 Implementierung2 ... ImplementierungN

Man erzeugt Objekte konkreter (abgeleiteter) Klassen und benutzt diese Objekte durch
die Schnittstellenbasisklasse:

Create objects, use interfaces!

159
11 Generische Programmierung

11.1 Funktionsschablonen
Motivation: Auswechseln von Datentypen in streng typgebundenen Sprachen.
Definition: Eine Funktionsschablone (Function Template) entsteht, indem man die
Präambel

template <c l a s s T>

bzw.

template <typename T>

einer Funktionsdefinition voranstellt. In der Schablonendefinition kann man T dann wie

einen vorhandenen Datentyp verwenden. Dieser Typ muss keine Klasse sein, was die
Einführung der äquivalenten Definition mittels typename motivierte.

Programm: Vertauschen des Inhalts zweier gleichartiger Referenzen:

template <c l a s s T> void swap ( T& a , T& b )

{
T t = a;
a = b; b = t ;
}

int main ( )
{
int a = 1 0 , b = 2 0 ;
swap ( a , b ) ;
}

Bemerkung:
• Bei der Übersetzung von swap(a,b) generiert der Übersetzer die Version swap(int&
a, int& b) und übersetzt sie (es sei denn, es gibt schon genau so eine Funktion).
• Wie beim Überladen von Funktionen wird die Funktion nur anhand der Argumente
ausgewählt. Der Rückgabewert spielt keine Rolle.
• Im Unterschied zum Überladen generiert der Übersetzer für jede vorkommende
Kombination von Argumenten eine Version der Funktion (keine automatische Typ-
konversion).
• Dies nennt man automatische Template-Instanzierung.

Programm: Beispiel: Maximum

template <c l a s s T> T max( T a , T b )

{
i f ( a < b ) return b ; e l s e return a ;
}

160
Bemerkung: Hier muss für den Typ T ein operator< definiert sein.

Beispiel: wieder funktionales Programmieren

Problem: Der Aufruf virtueller Funktionen erfordert Entscheidungen zur Laufzeit, was
in einigen (wenigen) Fällen zu langsam sein kann.

Abhilfe: Verwendung von Funktionsschablonen.

Programm: Funktionales Programmieren mit Schablonen ([Link]):

#include <i o s t r e a m >

using namespace s t d ;

class Inkrementierer
{
public :
I n k r e m e n t i e r e r ( int n ) { inkrement = n ; }
int operator ( ) ( int n ) { return n + inkrement ; }
private :
int inkrement ;
};

c l a s s Quadrat
{
public :
int operator ( ) ( int n ) { return n ∗ n ; }
};

template <c l a s s T> void s c h l e i f e ( T& f u n c )

{
for ( int i =1; i <10; i++ )
c o u t << f u n c ( i ) << ” ” ;
c o u t << e n d l ;
}

int main ( )
{
I n k r e m e n t i e r e r i n k ( 10 ) ;
Quadrat quadrat ;
s c h l e i f e ( ink ) ;
s c h l e i f e ( quadrat ) ;
}

Bemerkung:
• Es werden die passenden Varianten der Funktion schleife erzeugt.
• Unterschied zur Variante mit der gemeinsamen Basisklasse Function:

161
 – Statt genau einer gibt es nun mehrere Varianten der Funktion schleife.
– Methodenaufrufe am Argument func erfolgen nicht über virtuelle Funktionen.
• Nachteil: Leider haben wir aber keine Schnittstellendefinition mehr.

Bezeichnung: Man nennt diese Technik auch statischen Polymorphismus, da die Me-
thodenauswahl zur Übersetzungszeit erfolgt. Im Gegensatz dazu bezeichnet man die Ver-
wendung virtueller Funktionen als dynamischen Polymorphismus.

Empfehlung: Wenden Sie diese oder ähnliche Techniken (wie etwa die sogenannten
Expression Templates) nur an, wenn es unbedingt notwendig ist. Untersuchen Sie auch
vorher das Laufzeitverhalten (Profiling), denn laut Donald E. Knuth (ursprünglich wohl
von C. A. R. Hoare) gilt:
Premature optimization is the root of all evil!

11.2 Klassenschablonen

Problem: Unsere selbstdefinierten Felder und Listen sind noch zu unflexibel. So hätten
wir beispielsweise auch gerne Felder von int-Zahlen.

Bemerkung: Dieses Problem rührt von der statischen Typbindung von C/C++ her
und tritt bei Sprachen mit dynamischer Typbindung (Scheme, Python, . . . ) nicht auf.
Allerdings ist es für solche Sprachen viel schwieriger hocheffizienten Code zu generieren.

Abhilfe: Die C++-Lösung für dieses Problem sind parametrisierte Klassen, die auch
Klassenschablonen (Class Templates) genannt werden.

Definition: Eine Klassenschablone entsteht, indem man der Klassendefinition die Präambel
template <class T> voranstellt. In der Klassendefinition kann dann der Parameter T
wie ein Datentyp verwendet werden.

Beispiel:

// S c h a b l o n e n d e f i n i t i o n
template <c l a s s T> c l a s s SimpleArray
{
public :
SimpleArray ( int s , T f ) ;
...
};
// Verwendung
SimpleArray<int> a ( 1 0 , 0 ) ;
SimpleArray<f l o a t > b ( 1 0 , 0 . 0 ) ;

Bemerkung:
• SimpleArray alleine ist kein Datentyp!

162
 • SimpleArray<int> ist ein neuer Datentyp, d. h. Sie können Objekte dieses Typs
erzeugen, oder ihn als Parameter/Rückgabewert einer Funktion verwenden.
• Der Mechanismus arbeitet wieder zur Übersetzungszeit des Programmes. Bei Übersetzung
der Zeile

SimpleArray<int> a ( 1 0 , 0 ) ;

generiert der Übersetzer den Programmtext für SimpleArray<int>, der aus dem
Text der Klassenschablone SimpleArray entsteht, indem alle Vorkommen von T
durch int ersetzt werden. Anschließend wird diese Klassendefinition übersetzt.
• Da der Übersetzer selbst C++-Programmcode generiert, spricht man auch von ge-
nerischer Programmierung.
• Den Vorgang der Erzeugung einer konkreten Variante einer Klasse zur Übersetzungszeit
nennt man auch Template-Instanzierung. Allerdings gibt es bei Klassen, im Gegen-
satz zu Funktionen, keine automatische Instanzierung.
• Der Name Schablone (Template) kommt daher, dass man sich die parametrisierte
Klasse als Schablone vorstellt, die zur Anfertigung konkreter Varianten benutzt wird.

Programm: ([Link])

template <c l a s s T>

c l a s s SimpleArray
{
public :
SimpleArray ( int s , T f ) ;
SimpleArray ( const SimpleArray<T>& ) ;
SimpleArray<T>& operator=( const SimpleArray<T>& ) ;
˜ SimpleArray ( ) ;

T& operator [ ] ( int i ) ;

int numIndices ( ) ;
int minIndex ( ) ;
int maxIndex ( ) ;
bool isMember ( int i ) ;

private :
int n ; // Anzahl Elemente
T∗ p ; // Z e i g e r a u f b u i l t −i n a r r a y
};

Bemerkung: Syntaktische Besonderheiten:

• Wird die Klasse selbst als Argument oder Rückgabewert im Rumpf der Definition
benötigt, schreibt man SimpleArray<T>.
• Im Namen des Konstruktors bzw. Destruktors taucht kein T auf. Der Klassenpara-
meter parametrisiert den Klassennamen, nicht aber die Methodennamen.
• Die Definition des Destruktors (als Beispiel) lautet dann:

163
 template <c l a s s T>
SimpleArray<T> : : ˜ SimpleArray ( ) { delete [ ] p ; }

Programm: Methodenimplementierung ([Link]):

// D e s t r u k t o r
template <c l a s s T>
SimpleArray<T> : : ˜ SimpleArray ( )
{
delete [ ] p ;
}

// K o n s t r u k t o r
template <c l a s s T>
SimpleArray<T> : : SimpleArray ( int s , T v )
{
n = s;
p = new T [ n ] ;
for ( int i =0; i <n ; i=i +1 ) p [ i ] = v ;
}

// Copy−K o n s t r u k t o r
template <c l a s s T>
SimpleArray<T> : : SimpleArray ( const SimpleArray<T>& a )
{
n = a.n;
p = new T [ n ] ;
for ( int i =0; i <n ; i=i +1 )
p[ i ] = a.p[ i ];
}

// Z u w e i s u n g s o p e r a t o r
template <c l a s s T>
SimpleArray<T>& SimpleArray<T> : : operator=
( const SimpleArray<T>& a )
{
i f ( &a != t h i s )
{
i f ( n != a . n )
{
delete [ ] p ;
n = a.n;
p = new T [ n ] ;
}
for ( int i =0; i <n ; i=i +1 ) p [ i ] = a . p [ i ] ;
}
return ∗ t h i s ;
}

template <c l a s s T>

164
 i n l i n e T& SimpleArray<T> : : operator [ ] ( int i )
{
return p [ i ] ;
}

template <c l a s s T>

i n l i n e int SimpleArray<T> : : numIndices ( )
{
return n ;
}

template <c l a s s T>

i n l i n e int SimpleArray<T> : : minIndex ( )
{
return 0 ;
}

template <c l a s s T>

i n l i n e int SimpleArray<T> : : maxIndex ( )
{
return n − 1 ;
}

template <c l a s s T>

i n l i n e bool SimpleArray<T> : : isMember ( int i )
{
return ( i >= 0 && i < n ) ;
}

template <c l a s s T>

s t d : : ostream& operator<<( s t d : : ostream& s ,
SimpleArray<T>& a )
{
s << ”#( ” ;
for ( int i=a . minIndex ( ) ; i<=a . maxIndex ( ) ; i=i +1 )
s << a [ i ] << ” ” ;
s << ” ) ” << s t d : : e n d l ;
return s ;
}

Programm: Verwendung ([Link]):

#include <i o s t r e a m >

#include ” SimpleArray . hh”

#include ” SimpleArrayImp . c c ”

int main ( )
{
SimpleArray<f l o a t > a ( 1 0 , 0 . 0 ) ; // e r z e u g e

165
 SimpleArray<int> b ( 2 5 , 5 ) ; // F e l d e r

for ( int i=a . minIndex ( ) ; i<=a . maxIndex ( ) ; i++ )

a[ i ] = i ;
for ( int i=b . minIndex ( ) ; i<=b . maxIndex ( ) ; i++ )
b[ i ] = i ;

s t d : : c o u t << a << s t d : : e n d l << b << s t d : : e n d l ;

// h i e r w ird d e r D e s t r u k t o r g e r u f e n
}

Beispiel: Feld fester Größe

Bemerkung:
• Eine Schablone kann auch mehr als einen Parameter haben.
• Als Schablonenparameter sind nicht nur Klassennamen, sondern z. B. auch Kon-
stanten von eingebauten Typen erlaubt.

Anwendung: Ein Feld fester Größe könnte folgendermaßen definiert und verwendet
werden:

template <c l a s s T, int m>

c l a s s SimpleArrayCS
{
public :
SimpleArrayCS ( T f ) ;
...
private :
T p [m] ; // b u i l t −i n a r r a y f e s t e r Groesse
};

...

SimpleArrayCS<int , 5> a ( 0 ) ;
SimpleArrayCS<f l o a t , 3> a ( 0 . 0 ) ;
...

Bemerkung:
• Die Größe ist hier auch zur Übersetzungszeit festgelegt und muss nicht mehr gespei-
chert werden.
• Da nun keine Zeiger auf dynamisch allokierte Objekte verwendet werden, sind für
Copy-Konstruktor, Zuweisung und Destruktor die Defaultmethoden ausreichend.
• Der Compiler kann bei bekannter Feldgröße unter Umständen effizienteren Code
generieren, was vor allem für kleine Felder interessant ist (z. B. Vektoren im R2 oder
R3 ).

166
 • Es ist ein wichtiges Kennzeichen von C++, dass Objektorientierung bei richtigem
Gebrauch auch für sehr kleine Datenstrukturen ohne Effizienzverlust angewendet
werden kann.

Beispiel: Smart Pointer

Problem: Dynamisch erzeugte Objekte können ausschließlich über Zeiger verwaltet wer-
den. Wie bereits diskutiert, ist die konsistente Verwaltung des Zeigers (bzw. der Zeiger)
und des Objekts nicht einfach.

Abhilfe: Entwurf mit einem neuen Datentyp, der anstatt eines Zeigers verwendet wird.
Mittels Definition von operator∗ und operator−> kann man erreichen, dass sich der
neue Datentyp wie ein eingebauter Zeiger benutzen lässt. In Copy-Konstruktor und Zu-
weisungsoperator wird dann reference counting eingebaut.

Bezeichnung: Ein Datentyp mit dieser Eigenschaft wird intelligenter Zeiger (smart
pointer) genannt.

Programm: (Zeigerklasse zum reference counting, [Link])

template <c l a s s T>

c l a s s Ptr
{
struct RefCntObj
{
int count ;
T∗ o b j ;
RefCntObj ( T∗ q ) { count = 1 ; o b j = q ; }
};
RefCntObj ∗ p ;

void r e p o r t ( )
{
s t d : : c o u t << ” r e f c n t = ” << p−>count << s t d : : e n d l ;
}

void i n c r e m e n t ( )
{
p−>count = p−>count + 1 ;
report () ;
}

void decrement ( )
{
p−>count = p−>count − 1 ;
report () ;
i f ( p−>count == 0 )
{
delete p−>o b j ; // Geht n i c h t f u e r F e l d e r !

167
 delete p ;
}
}

public :
Ptr ( ) { p = 0 ; }

Ptr ( T∗ q )
{
p = new RefCntObj ( q ) ;
report () ;
}

Ptr ( const Ptr<T>& y )

{
p = y.p;
i f ( p != 0 ) i n c r e m e n t ( ) ;
}

˜ Ptr ( )
{
i f ( p != 0 ) decrement ( ) ;
}

Ptr<T>& operator=( const Ptr<T>& y )

{
i f ( p != y . p )
{
i f ( p != 0 ) decrement ( ) ;
p = y.p;
i f ( p != 0 ) i n c r e m e n t ( ) ;
}
return ∗ t h i s ;
}

T& operator ∗ ( ) { return ∗ ( p−>o b j ) ; }

T∗ operator −>() { return p−>o b j ; }

};

Programm: (Anwendungsbeispiel, [Link])

#include <i o s t r e a m >

#include ” Ptr . hh”

int g ( Ptr<int> p )
{
return ∗p ;
}

168
 int main ( )
{
Ptr<int> q = new int ( 17 ) ;
s t d : : c o u t << ∗q << s t d : : e n d l ;
int x = g ( q ) ;
s t d : : c o u t << x << s t d : : e n d l ;
Ptr<int> z = new int ( 22 ) ;
q = z;
s t d : : c o u t << ∗q << s t d : : e n d l ;
// nun wird a l l e s a u t o m a t i s c h g e l o e s c h t !
}

Bemerkung:
• Man beachte die sehr einfache Verwendung durch Ersetzen der eingebauten Zeiger
(die natürlich nicht weiterverwendet werden sollten!).
• Nachteil: mehr Speicher wird benötigt (das RefCntObj)
• Es gibt verschiedene Möglichkeiten, reference counting zu implementieren, die sich
bezüglich Speicher- und Rechenaufwand unterscheiden.
• Die hier vorgestellte Zeigerklasse funktioniert (wegen delete[]) nicht für Felder!
• Reference counting funktioniert nicht für Datenstrukturen mit Zykeln andere
Techniken zur automatischen Speicherverwaltung notwendig.

11.3 Effizienz generischer Programmierung

Beispiel: Bubblesort

Aufgabe: Ein Feld von Zahlen a = (a0 , a1 , a2 , . . . , an−1 ) ist zu sortieren. Die Sortier-
funktion liefert als Ergebnis eine Permutation a0 = (a00 , a01 , a02 , . . . , a0n−1 ) der Feldelemente
zurück, so dass
a00 ≤ a01 ≤ . . . ≤ a0n−1

Idee: Der Algorithmus Bubblesort ist folgendermaßen definiert:

• Gegeben sei ein Feld a = (a0 , a1 , a2 , . . . , an−1 ) der Länge n.
• Durchlaufe die Indizes i = 0, 1, . . . , n − 2 und vergleiche jeweils ai und ai+1 . Ist
ai > ai+1 so vertausche die beiden. Beispiel:

17 10 8 16
i=0 10 17 8 16
i=1 10 8 17 16
i=2 10 8 16 17

Am Ende eines solchen Durchlaufes steht die größte der Zahlen sicher ganz rechts
und ist damit an der richtigen Position.

169
 • Damit bleibt noch ein Feld der Länge n − 1 zu sortieren.

Satz: tcs sei eine obere Schranke der Kosten für einen Vergleich und einen swap (Tausch),
und n bezeichne die Länge des Felds. Falls tcs nicht von n abhängt, so hat Bubblesort
eine asymptotische Laufzeit von O(n2 ).

Beweis:
n−1 X
i−1 n−1
X X (n − 1)n
tcs = tcs i = tcs = O(n2 )
i=0 j=0 i=0
2

Programm: (bubblesort .cc)

/∗ i s t i n namespace s t d schon e n t h a l t e n :
t e m p l a t e <c l a s s T> v o i d swap ( T& a , T& b ) {
T t = a;
a = b;
b = t;
}
∗/

template <c l a s s C> void b u b b l e s o r t ( C& a )

{
for ( int i=a . maxIndex ( ) ; i>=a . minIndex ( ) ; i=i −1 )
for ( int j=a . minIndex ( ) ; j <i ; j=j +1 )
i f ( a [ j +1] < a [ j ] )
s t d : : swap ( a [ j +1] , a [ j ] ) ;
}

Bemerkung:
• Die Funktion bubblesort benötigt, dass auf Elementen des Feldes der Vergleichs-
operator operator< definiert ist.
• Die Funktion benutzt die öffentliche Schnittstelle der Feldklassen, die wir program-
miert haben, d. h. für C können wir jede unserer Feldklassen einsetzen!
Mit folgender Routine kann man Laufzeiten verschiedener Programmteile messen:
Programm: ([Link])

#include <ctime>

// S e t z t Marke und g i b t Z e i t d i f f e r e n z z u r l e t z t e n
// Marke z u r u e c k
clock t last time ;
double time stamp ( )
{
clock t current time = clock () ;
double d u r a t i o n =
( ( double ) ( c u r r e n t t i m e − l a s t t i m e ) ) / CLOCKS PER SEC ;
last time = current time ;

170
 return d u r a t i o n ;
}

Dies wenden wir auf Bubblesort an:

Programm: Bubblesort für verschiedene Feldtypen ([Link])

#include <i o s t r e a m >

// S i m p l e F l o a t A r r a y mit v i r t u e l l e m o p e r a t o r [ ]
#include ” SimpleFloatArrayV . hh”
#include ” SimpleFloatArrayImp . c c ”
#include ” S i m p l e F l o a t A r r a y I n d e x . c c ”
#include ” SimpleFloatArrayCopyCons . c c ”
#include ” S i m p l e F l o a t A r r a y A s s i g n . c c ”

// t e m p l a t i s i e r t e V a r i a n t e mit v a r i a b l e r Groesse
#include ” SimpleArray . hh”
#include ” SimpleArrayImp . c c ”

// t e m p l a t i s i e r t e V a r i a n t e mit Compile−Z e i t Groesse

#include ” SimpleArrayCS . hh”
#include ” SimpleArrayCSImp . c c ”

// dynamisches l i s t e n b a s i e r t e s F e l d
#include ” F l o a t A r r a y . hh”
#include ” L i s t F l o a t A r r a y D e r i v e d . hh”
#include ” L i s t F l o a t A r r a y I m p . c c ”

// Z e i t m e s s u n g
#include ” timestamp . c c ”

// g e n e r i s c h e r b u b b l e s o r t
#include ” b u b b l e s o r t . c c ”

// Z u f a l l s g e n e r a t o r
#include ” Z u f a l l . c c ”

const int n = 3 2 0 0 0 ;
const int s a m p l e s = 5 0 ; // M i t t l e ” s a m p l e s ” Messungen
const int lowSamples = 1 0 ; // Anzahl f u e r langsame Impl .

s t a t i c Z u f a l l z ( 93576 ) ;

template <c l a s s T>

void i n i t i a l i s i e r e ( T& a )
{
for ( int i =0; i <n ; i=i +1 )
a [ i ] = z . ziehe zahl () ;
}

171
int main ( )
{
SimpleArrayCS<f l o a t , n> a ( 0 . 0 ) ;
SimpleArray<f l o a t > b ( n , 0 . 0 ) ;
SimpleFloatArray c ( n , 0.0 ) ;
ListFloatArray d ;

initialisiere ( a ); initialisiere ( b );
initialisiere ( c ); initialisiere ( d );

double d u r a t i o n ;

duration = 0 . 0 ;
s t d : : c o u t << ” SimpleArrayCS . . . ” ;
time stamp ( ) ;
for ( int s =0; s<s a m p l e s ; s=s+1 )
{
bubblesort ( a ) ;
d u r a t i o n = d u r a t i o n + time stamp ( ) ;
}
s t d : : c o u t << d u r a t i o n / s a m pl e s << ” s e c ” << s t d : : e n d l ;

duration = 0 . 0 ;
s t d : : c o u t << ” SimpleArray . . . ” ;
time stamp ( ) ;
for ( int s =0; s<s a m p l e s ; s=s+1 )
{
bubblesort ( b ) ;
d u r a t i o n = d u r a t i o n + time stamp ( ) ;
}
s t d : : c o u t << d u r a t i o n / s a m pl e s << ” s e c ” << s t d : : e n d l ;

duration = 0 . 0 ;
s t d : : c o u t << ” S i m p l e F l o a t A r r a y . . . ” ;
time stamp ( ) ;
for ( int s =0; s<s a m p l e s ; s=s+1 )
{
bubblesort ( c ) ;
d u r a t i o n = d u r a t i o n + time stamp ( ) ;
}
s t d : : c o u t << d u r a t i o n / s a m pl e s << ” s e c ” << s t d : : e n d l ;

// duration = 0.0;
// s t d : : c o u t << ” L i s t F l o a t A r r a y . . . ” ;
// time stamp () ;
// f o r ( i n t s =0; s<lowSamples ; s=s+1 )
// {
// bubblesort ( d ) ;
// duration = duration + time stamp () ;
// }

172
 // s t d : : c o u t << d u r a t i o n / lowSamples << ” s e c ” << s t d : : e n d l ;
}

Ergebnis:
Ergebnisse vom WS 2002/2003:
n 1000 2000 4000 8000 16000 32000
built-in array 0.01 0.04 0.14 0.52 2.08 8.39
SimpleArrayCS 0.01 0.03 0.15 0.58 2.30 9.12
SimpleArray 0.01 0.05 0.15 0.60 2.43 9.68
SimpleArray ohne inline 0.04 0.15 0.55 2.20 8.80 35.31
SimpleFloatArrayV 0.04 0.15 0.58 2.28 9.13 36.60
ListFloatArray 4.62 52.38 — — — —

WS 2011/2012, gcc 4.5.0, 2.26 GHz Intel Core 2 Duo:

n 1000 2000 4000 8000 16000 32000
SimpleArrayCS 0.0029 0.0089 0.034 0.138 0.557 2.205
SimpleArray 0.0031 0.0098 0.039 0.156 0.622 2.499
SimpleFloatArrayV 0.0110 0.0204 0.083 0.330 1.322 5.288

WS 2014/2015, gcc 4.9.2 -O3, 2.6 GHz Intel Core i7:

n 1000 2000 4000 8000 16000 32000
SimpleArrayCS 0.00096 0.0032 0.013 0.070 0.328 1.4048
SimpleArray 0.00096 0.0034 0.013 0.0727 0.329 1.4095
SimpleFloatArrayV 0.0008 0.0027 0.011 0.0579 0.297 1.4353
ListFloatArray 1.056 8.999 — — — —

WS 2015/2016, gcc 5.2.1 -O3, 4.0 GHz Intel Core i7-4790K:

n 1000 2000 4000 8000 16000 32000
SimpleArrayCS 0.000238 0.000936 0.00372 0.0148 0.0594 0.240
SimpleArray 0.000237 0.000938 0.00371 0.0148 0.0593 0.240
SimpleFloatArrayV 0.000185 0.000716 0.00282 0.0112 0.0447 0.182
ListFloatArray 0.646912 6.68187 — — — —

WS 2015/2016, gcc 5.2.1, 4.0 GHz Intel Core i7-4790K:

n 1000 2000 4000 8000 16000 32000
SimpleArrayCS 0.00208 0.00837 0.0330 0.132 0.545 2.192
SimpleArray 0.00208 0.00833 0.0329 0.132 0.538 2.200
SimpleFloatArrayV 0.00241 0.00948 0.0379 0.152 0.613 2.511
ListFloatArray 1.846 14.2928 — — — —

Bemerkung:
• Die ersten fünf Zeilen zeigen deutlich den O(n2 )-Aufwand: Verdopplung von n be-
deutet vierfache Laufzeit.

173
 • Die Zeilen fünf und vier zeigen die Laufzeit für die Variante mit einem virtuel-
lem operator[] bzw. eine Version der Klassenschablone, bei der das Schlüsselwort
inline vor der Methodendefinition des operator[] weggelassen wurde. Diese bei-
den Varianten sind etwa viermal langsamer als die vorherigen.
• Eine Variante mit eingebautem Feld (nicht vorgestellt, ohne Klassen) ist am schnell-
sten, gefolgt von den zwei Varianten mit Klassenschablonen, die unwesentlich lang-
samer sind.
• Beachte auch den Einfluss des Optimizers (gcc-Option -O3).
• ListFloatArray ist die listenbasierte Darstellung des Feldes mit Index-Wert-Paaren.
Diese hat Komplexität O(n3 ), da nun die Zugriffe auf die Feldelemente Komplexität
O(n) haben.

Frage: Warum sind die Varianten auf Schablonenbasis (mit inlining) schneller als die
Variante mit virtueller Methode?

RISC

Bezeichnung: RISC steht für Reduced Instruction Set Computer und steht für eine Ka-
tegorie von Prozessorarchitekturen mit verhältnismäßig einfachem Befehlssatz. Gegenpol:
CISC=Complex Instruction Set Computer.

Geschichte: RISC stellt heutzutage den Großteil aller Prozessoren dar (vor allem bei ein-
gebetteten Systemen (Handy, PDA, Spielekonsole, etc.), wo das Verhältnis Leistung/Ver-
brauch wichtig ist). Für PCs ist allerdings noch mit den Intel-Chips die CISC-Technologie
dominant (mittlerweile wurden aber auch dort viele RISC-Techniken übernommen).

Aufbau eines RISC-Chips

Prozessor
Register, Programmzähler, Arithmetic Logic Unit

IF ID EX MEM WB
instruction instruction execute memory register
fetch decode access write back

Adresse: Programmzähler (PC)

Speicher: eindimensionales Feld von 32 Bit Wörtern
Index heisst Adresse
enthält Instruktionen und Daten
0 1 2 3 n-1

174
Befehlszyklus Bezeichnung: Ein typischer RISC-Befehl lässt sich in Teilschritte un-
terteilen, die von verschiedener Hardware (in der CPU) ausgeführt werden:
1. IF: Holen des nächsten Befehls aus dem Speicher. Ort: Programmzähler.
2. ID: Dekodieren des Befehls, Auslesen der beteiligten Register.
3. EX: Eigentliche Berechnung (z. B. Addieren zweier Zahlen).
4. MEM: Speicherzugriff (entweder Lesen oder Schreiben).
5. WB: Rückschreiben der Ergebnisse in Register.
Dies nennt man Befehlszyklus (instruction cycle).

Pipelining Diese Stadien werden nun für aufeinanderfolgende Befehle überlappend aus-
geführt (Pipelining).

IF Instr1 Instr2 Instr3 Instr4 Instr5 Instr6 Instr7

ID — Instr1 Instr2 Instr3 Instr4 Instr5 Instr6
EX — — Instr1 Instr2 Instr3 Instr4 Instr5
MEM — — — Instr1 Instr2 Instr3 Instr4
WB — — — — Instr1 Instr2 Instr3

Probleme mit Pipelining Sehen wir uns an, wie eine if-Anweisung realisiert wird:

i JNZ +16
i f ( a == 0 )
{
Anweisungs-
<A n w e i s u n g s f o l g e 1> folge 1
}
j JMP +23
else
i+16
{ Anweisungs-
<A n w e i s u n g s f o l g e 2> folge 2
}
j+23

Problem: Das Sprungziel des Befehls JNZ +16 steht erst am Ende der dritten Stufe der
Pipeline (EX) zur Verfügung, da ein Register auf 0 getestet und 16 auf den PC addiert
werden muss.

Frage: Welche Befehle sollen bis zu diesem Punkt weiter angefangen werden?

Antwort:
• Gar keine, dann bleiben einfach drei Stufen der Pipeline leer (pipeline stall).
• Man rät das Sprungziel (branch prediction unit) und führt die nachfolgenden Befehle
spekulativ aus (ohne Auswirkung nach aussen). Notfalls muss man die Ergebnisse
dieser Befehle wieder verwerfen.

175
Bemerkung: Selbst das Ziel eines unbedingten Sprungbefehls stünde wegen der Addition
des Offset auf den PC erst nach der Stufe EX zur Verfügung (es sei denn, man hat extra
Hardware dafür).

Funktionsaufrufe Ein Funktionsaufruf (Methodenaufruf) besteht aus folgenden Opera-

tionen:
• Sicherung der Rücksprungadresse auf dem Stack
• ein unbedingter Sprungbefehl
• der Rücksprung an die gespeicherte Adresse
• + eventuelle Sicherung von Registern auf dem Stack
Diese Liste gilt genauso für CISC-Architekturen. Ein Funktionsaufruf ist also normaler-
weise mit erheblichem Aufwand verbunden. Darüberhinaus optimiert der Compiler nicht
über Funktionsaufrufe hinweg, was zu weiteren Geschwindigkeitseinbussen führt.

Realisierung virtueller Funktionen Betrachte folgende Klassendefinition und ein kon-

kretes Objekt im Speicher:

class X int a; Objekt der

{ Klasse X
int b;
public :
int a ;
int b ; F() virtual function
G() table
v i r t u a l void F ( ) ;
v i r t u a l void G( ) ;
void H ( ) ; Code für F()
};
Code für G()
X x;
x .F( ) ;
x .H ( ) ; Code für H()

Bemerkung:
• Für jede Klasse gibt es eine Tabelle mit Zeigern auf den Programmcode für die
virtuellen Funktionen dieser Klasse. Diese Tabelle heißt virtual function table (VFT).
• Jedes Objekt einer Klasse, die virtuelle Funktionen enthält, besitzt einen Zeiger
auf die VFT der zugehörigen Klasse. Dies entspricht im wesentlichen der Typin-
formation, die bei Sprachen mit dynamischer Typbindung den Daten hinzugefügt
ist.
• Beim Aufruf einer virtuellen Methode generiert der Übersetzer Code, welcher der
VFT des Objekts die Adresse der aufzurufenden Methode entnimmt und dann den

176
 Funktionsaufruf durchführt. Welcher Eintrag der VFT zu entnehmen ist, ist zur
Übersetzungszeit bekannt.
• Der Aufruf nichtvirtueller Funktionen geschieht ohne VFT. Klassen (und ihre zu-
gehörigen Objekte) ohne virtuelle Funktionen brauchen keinen Zeiger auf eine VFT.
• Für den Aufruf virtueller Funktionen ist immer ein Funktionsaufruf notwendig, da
erst zur Laufzeit bekannt ist, welche Methode auszuführen ist.

Inlining Problem: Der Funktionsaufruf sehr kurzer Funktionen ist relativ langsam.

Beispiel:
class X { void main ( )
public : {
void i n c ( ) ; X x;
private : x . inc ( ) ;
int k ; }
};

i n l i n e void X : : i n c ( )
{
k = k + 1;
}

Ohne das Schlüsselwort inline in der Mit dem Schlüsselwort inline in der Metho-
Methodendefinition generiert der C++- dendefinition setzt der Übersetzer den Code
Übersetzer einen Funktionsaufruf für inc(): der Methode am Ort des Aufrufes direkt ein
falls dies möglich ist:

...
i CALL +26 Code für ...
main()
... Code für Code für
X::inc() k = k+1; main()
...

i+26
Code für
X::inc()
RET

Bemerkung:
• Inlining ändert nichts an der Semantik des Programmes.
• Das Schlüsselwort inline ist nur ein Vorschlag an den Compiler. Z. B. wird es für
rekursive Funktionen ignoriert.
• Virtuelle Funktionen können nicht inline ausgeführt werden, da die auszuführende
Methode zur Übersetzungszeit nicht bekannt ist.

177
 • Aber: Änderungen der Implementation einer Inline-Funktion in einer Bibliothek
machen normalerweise die erneute Übersetzung von anderen Programmteilen not-
wendig!

Bemerkung: Es sei auch nochmal eindringlich an Knuth’s Wort “Premature optimization

is the root of all evil” erinnert. Bevor Sie daran gehen, Ihr Programm durch Elimination
virtueller Funktionen und Inlining unflexibler zu machen, sollten Sie folgendes tun:
1. Überdenken Sie den Algorithmus!
2. Messen Sie, wo der Flaschenhals“ wirklich liegt (Profiling notwendig).
”
3. Überlegen Sie, ob die erreichbare Effizienzsteigerung den Aufwand wert ist.
Beispielsweise ist die einzig sinnvolle Verbesserung für das Sortierbeispiel am Anfang
dieses Abschnitts das Verwenden eines besseren Algorithmus!

11.4 Zusammenfassung
• Klassenschablonen definieren parametrisierte Datentypen und sind daher besonders
geeignet, um allgemein verwendbare Konzepte (ADT) zu implementieren.
• Funktionsschablonen definieren parametrisierte Funktionen, die auf verschiedenen
Datentypen (mit gleicher Schnittstelle) operieren.
• In beiden Fällen werden konkrete Varianten der Klassen/Funktionen zur Übersetzungszeit
erzeugt und übersetzt (generische Programmierung).
• Diese Techniken sind für Sprachen mit dynamischer Typbindung meist unnötig.
Solche Sprachen brauchen aber in vielen Fällen Typabfragen zur Laufzeit, was dazu
führt, dass der erzeugte Code nicht mehr hocheffizient ist.

Nachteile der generischen Programmierung

• Es wird viel Code erzeugt. Die Übersetzungszeiten template-intensiver Programme

können unerträglich lang sein.
• Es ist keine getrennte Übersetzung möglich. Der Übersetzer muss die Definition
aller vorkommenden Schablonen kennen. Dasselbe gilt für Inline-Funktionen. Dies
erfordert dann z. B. auch spezielle Softwarelizenzen.
• Das Finden von Fehlern in Klassen/Funktionenschablonen ist erschwert, da der Code
für eine konkrete Variante nirgends existiert. Empfehlung: testen Sie zuerst mit
einem konkreten Datentyp und machen Sie dann eine Schablone daraus.

12 Containerklassen

12.1 Motivation

178
Bezeichnung: Klassen, die eine Menge anderer Objekte verwalten (man sagt aggregie-
ren) nennt man Containerklassen.

Beispiele: Wir hatten: Liste, Stack, Feld. Weitere sind: binärer Baum (binary tree),
Warteschlange (queue), Abbildung (map), . . .

Bemerkung: Diese Strukturen treten sehr häufig als Komponenten in größeren Pro-
grammen auf. Ziel von Containerklassen ist es, diese Bausteine in wiederverwendbarer
Form zur Verfügung zu stellen (code reuse).

Vorteile:
• Weniger Zeitaufwand in Entwicklung und Fehlersuche.
• Klarere Programmstruktur, da man auf einer höheren Abstraktionsebene arbeitet.

Werkzeug: Das Werkzeug zur Realisierung effizienter und flexibler Container in C++
sind Klassenschablonen.

Bemerkung: In diesem Abschnitt sehen wir uns eine Reihe von Containern an. Die
Klassen sind vollständig ausprogrammiert und zeigen, wie man Container implementieren
könnte. In der Praxis verwendet man allerdings die Standard Template Library (STL),
welche Container in professioneller Qualität bereitstellt.

Ziel: Sie sind am Ende dieses Kapitels motiviert, die STL zu verwenden und können die
Konzepte verstehen.

12.2 Listenschablone
Bei diesem Entwurf ist die Idee, das Listenelement und damit auch die Liste als Klas-
senschablone zu realisieren. In jedem Listenelement wird ein Objekt der Klasse T, dem
Schablonenparameter, gespeichert.
Programm: Definition und Implementation ([Link])

template <c l a s s T>

class List
{
public :
// I n f r a s t r u k t u r
List () { f i r s t = 0; }
˜ List () ;

// L i s t e n e l e m e n t a l s n e s t e d c l a s s
c l a s s Link
{
Link ∗ n e x t ;
public :
T item ;
Link ( T& t ) { item = t ; }

179
 Link ∗ next ( ) { return next ; }
friend c l a s s L i s t <T>;
};

Link ∗ f i r s t ( ) { return f i r s t ; }
void i n s e r t ( Link ∗ where , T t ) ;
void remove ( Link ∗ where ) ;

private :
Link ∗ f i r s t ;
// p r i v a t e r Copy−K o n s t r u k t o r und Zuweisungs−
// o p e r a t o r da D e f a u l t v a r i a n t e n zu f e h l e r h a f t e m
// V e r h a l t e n f u e h r e n
L i s t ( const L i s t <T>& l ) { } ;
L i s t <T>& operator=( const L i s t <T>& l ) { } ;
};

template <c l a s s T> L i s t <T> : : ˜ L i s t ( )

{
Link ∗ p = f i r s t ;
while ( p != 0 )
{
Link ∗ q = p ;
p = p−>next ( ) ;
delete q ;
}
}

template <c l a s s T>

void L i s t <T> : : i n s e r t ( L i s t <T> : : Link ∗ where , T t )
{
Link ∗ i n s = new Link ( t ) ;
i f ( where == 0 )
{
i n s −> n e x t = f i r s t ;
f i r s t = ins ;
}
else
{
i n s −> n e x t = where−> n e x t ;
where−> n e x t = i n s ;
}
}

template <c l a s s T>

void L i s t <T> : : remove ( L i s t <T> : : Link ∗ where )
{
Link ∗ p ;
i f ( where == 0 )
{

180
 p = first ;
i f ( p != 0 ) f i r s t = p−> n e x t ;
}
else
{
p = where−> n e x t ;
i f ( p != 0 ) where−> n e x t = p−> n e x t ;
}
delete p ;
}

Programm: Verwendung ([Link])

#include <i o s t r e a m >

#include ” L i s t e . hh”

int main ( )
{
L i s t <int> l i s t ;

l i s t . i n s e r t ( 0 , 17 ) ;
l i s t . i n s e r t ( 0 , 34 ) ;
l i s t . i n s e r t ( 0 , 26 ) ;

for ( L i s t <int > : : Link ∗ l= l i s t . f i r s t ( ) ; l ! = 0 ; l=l −>next ( ) )

s t d : : c o u t << l −>item << s t d : : e n d l ;
for ( L i s t <int > : : Link ∗ l= l i s t . f i r s t ( ) ; l ! = 0 ; l=l −>next ( ) )
l −>item = 2 3 ;
}

Bemerkung:
• Diese Liste ist homogen, d. h. alle Objekte im Container haben den gleichen Typ.
Eine heterogene Liste könnte man als Liste von Zeigern auf eine gemeinsame Basis-
klasse realisieren.
• Speicherverwaltung wird von der Liste gemacht. Listen können kopiert und als Pa-
rameter übergeben werden (sofern Copy-Konstruktor und Zuweisungsoperator noch
mittels deep copy implementiert werden).
• Zugriff auf die Listenelemente erfolgt über eine offengelegte nested class. Die Liste
wird als friend deklariert, damit die Liste den next-Zeiger manipulieren kann, nicht
jedoch der Benutzer der Liste.

12.3 Iteratoren

Problem: Grundoperation aller Container sind

• Durchlaufen aller Elemente,
• Zugriff auf Elemente.

181
Um Container austauschbar verwenden zu können, sollten diese Operationen mit der
gleichen Schnittstelle möglich sein. Die Schleife für eine Liste sah aber ganz anders aus
als bei einem Feld.

Abhilfe: Diese Abstraktion realisiert man mit Iteratoren. Iteratoren sind zeigerähnliche
Objekte, die auf ein Objekt im Container zeigen (obwohl der Iterator nicht als Zeiger
realisiert sein muss).

Prinzip:

template <c l a s s T> c l a s s C o n t a i n e r

{
public :
class I t e r a t o r
{ // n e s t e d c l a s s d e f i n i t i o n
...
public :
Iterator ();
bool operator !=( I t e r a t o r x ) ;
bool operator==( I t e r a t o r x ) ;
I t e r a t o r operator ++(); // p r e f i x
I t e r a t o r operator++( int ) ; // p o s t f i x
T& operator ∗ ( ) const ;
T∗ operator −>() const ;
friend c l a s s Container <T>;
};
I t e r a t o r b e g i n ( ) const ;
I t e r a t o r end ( ) const ;
. . . // S p e z i a l i t ä t e n d e s C o n t a i n e r s
};

// Verwendung
Container <int> c ;
for ( Container <int > : : I t e r a t o r i=c . b e g i n ( ) ; i != c . end ( ) ; ++i )
s t d : : c o u t << ∗ i << s t d : : e n d l ;

Bemerkung:
• Der Iterator ist als Klasse innerhalb der Containerklasse definiert. Dies nennt man
eine geschachtelte Klasse (nested class).
• Damit drückt man aus, dass Container und Iterator zusammengehören. Jeder
Container wird seine eigene Iteratorklasse haben.
• Innerhalb von Container kann man Iterator wie jede andere Klasse verwenden.
• friend class Container<T> bedeutet, dass die Klasse Container<T> auch Zugriff
auf die privaten Datenmitglieder der Iteratorklasse hat.
• Die Methode begin() des Containers liefert einen Iterator, der auf das erste Element
des Containers zeigt.

182
 • ++i bzw. i++ stellt den Iterator auf das nächste Element im Container. Zeigte
der Iterator auf das letzte Element, dann ist der Iterator gleich dem von end()
gelieferten Iterator.
• ++i bzw. i++ manipulieren den Iterator für den sie aufgerufen werden. Als Rückgabewert
liefert ++i den neuen Wert des Iterators, i++ jedoch den alten.
• Bei der Definition unterscheiden sie sich dadurch, dass der Postfix-Operator noch
ein int-Argument erhält, das aber keine Bedeutung hat.
• end() liefert einen Iterator, der auf das Element nach dem letzten Element“ des
”
Containers zeigt (siehe oben).
• *i liefert eine Referenz auf das Objekt im Container, auf das der Iterator i zeigt.
Damit kann man sowohl x = *i als auch *i = x schreiben.
• Ist das Objekt im Container von einem zusammengesetzten Datentyp (also struct
oder class), so kann mittels i-><Komponente> eine Komponente selektiert werden.
Der Iterator verhält sich also wie ein Zeiger.
Machen wir ein Beispiel . . .

12.4 Doppelt verkettete Liste

Anforderungen:
• Vorwärts- und Rückwärtsdurchlauf
• Das Einfügen vor oder nach einem Element soll eine O(1)-Operation sein. Die Po-
sition wird durch einen Iterator angegeben.
• Das Entfernen eines Elementes soll eine O(1)-Operation sein. Das zu entfernende
Element wird wieder durch einen Iterator angegeben
• Für die Berechnung der Größe der Liste akzeptieren wir einen O(N )-Aufwand.

Struktur

DLListe<T>:Iterator

DLListe<T>

head.p next next next next

tail.p prev prev prev prev

T T T T

DLListe<T>::Element

183
Bemerkung:
• Intern werden die Listenelemente durch den Datentyp Element repräsentiert. Dieser
private, geschachtelte, zusammengesetzte Datentyp ist außerhalb der Klasse nicht
sichtbar.
• Die Einfügeoperationen erhalten Objekte vom Typ T, erzeugen dynamisch ein Li-
stenelement und kopieren das Objekt in das Listenelement.
• Damit kann man Listen für beliebige Datentypen erzeugen. Die Manipulation gelingt
mit Hilfe der Iteratorschnittstelle. Der Iterator kapselt insbesondere den Zugriff auf
die außerhalb der Liste nicht bekannten Element-Objekte.

Implementation

Programm: [Link]

template <c l a s s T>

c l a s s DLList
{
// das i n t e r n e L i s t e n e l e m e n t
struct Element
{
Element ∗ next ;
Element ∗ prev ;
T item ;
Element ( T &t )
{
item = t ;
next = prev = 0 ;
}
};

public :
typedef T MemberType ; // Merke Grundtyp

// d e r i t e r a t o r k a p s e l t Z e i g e r a u f L i s t e n e l e m e n t
class I t e r a t o r
{
private :
Element ∗ p ;
public :
Iterator () { p = 0; }
I t e r a t o r ( Element ∗ q ) { p = q ; }
bool operator !=( I t e r a t o r x ) {
return p != x . p ;
}
bool operator==( I t e r a t o r x ) {
return p == x . p ;
}
I t e r a t o r operator++() { // p r e f i x

184
 p = p−>next ;
return ∗ t h i s ;
}
I t e r a t o r operator++( int ) { // p o s t f i x
I t e r a t o r tmp = ∗ t h i s ;
p = p−>next ;
return tmp ;
}
I t e r a t o r operator −−() { // p r e f i x
p = p−>prev ;
return ∗ t h i s ;
}
I t e r a t o r operator−−( int ) { // p o s t f i x
I t e r a t o r tmp = ∗ t h i s ;
p = p−>prev ;
return tmp ;
}
T& operator ∗ ( ) { return p−>item ; }
T∗ operator −>() { return &(p−>item ) ; }
friend c l a s s DLList<T>; // L i s t e manip . p
};

// I t e r a t o r e n
I t e r a t o r b e g i n ( ) const { return head ; }
I t e r a t o r end ( ) const { return I t e r a t o r ( ) ; }
I t e r a t o r r b e g i n ( ) const { return t a i l ; }
I t e r a t o r rend ( ) const { return I t e r a t o r ( ) ; }

// K o n s t r u k t i o n , D e s t r u k t i o n , Zuweisung
DLList ( ) ;
DLList ( const DLList<T>& l i s t ) ;
DLList<T>& operator=( const DLList<T>& ) ;
˜ DLList ( ) ;

// L i s t e n m a n i p u l a t i o n
I t e r a t o r i n s e r t ( I t e r a t o r i , T t ) ; // e i n f . v o r i
void e r a s e ( I t e r a t o r i ) ;
void append ( const DLList<T>& l ) ;
void c l e a r ( ) ;
bool empty ( ) const ;
int s i z e ( ) const ;
I t e r a t o r f i n d ( T t ) const ;

private :
I t e r a t o r head ; // e r s t e s Element d e r L i s t e
Iterator tail ; // l e t z t e s Element d e r L i s t e
};

// I n s e r t i o n

185
template <c l a s s T>
typename DLList<T> : : I t e r a t o r
DLList<T> : : i n s e r t ( I t e r a t o r i , T t )
{
Element ∗ e = new Element ( t ) ;
i f ( empty ( ) )
{
a s s e r t ( i . p == 0 ) ;
head . p = t a i l . p = e ;
}
else
{
e−>next = i . p ;
i f ( i . p != 0 )
{ // i n s e r t b e f o r e i
e−>prev = i . p−>prev ;
i . p−>prev = e ;
i f ( head == i )
head . p = e ;
}
else
{ // i n s e r t a t end
e−>prev = t a i l . p ;
t a i l . p−>next = e ;
tail .p = e ;
}
}
return I t e r a t o r ( e ) ;
}

template <c l a s s T>

void DLList<T> : : e r a s e ( I t e r a t o r i )
{
i f ( i . p == 0 ) return ;

i f ( i . p−>next != 0 )
i . p−>next−>prev = i . p−>prev ;
i f ( i . p−>prev != 0 )
i . p−>prev−>next = i . p−>next ;

i f ( head == i ) head . p = i . p−>next ;

i f ( t a i l == i ) t a i l . p = i . p−>prev ;

delete i . p ;
}

template <c l a s s T>

void DLList<T> : : append ( const DLList<T>& l ) {
for ( I t e r a t o r i=l . b e g i n ( ) ; i != l . end ( ) ; i++ )
i n s e r t ( end ( ) , ∗ i ) ;

186
}

template <c l a s s T>

bool DLList<T> : : empty ( ) const {
return b e g i n ( ) == end ( ) ;
}

template <c l a s s T>

void DLList<T> : : c l e a r ( ) {
while ( ! empty ( ) )
erase ( begin () ) ;
}

// C o n s t r u c t o r s
template <c l a s s T> DLList<T> : : DLList ( ) {}

template <c l a s s T>

DLList<T> : : DLList ( const DLList<T>& l i s t ) {
append ( l i s t ) ;
}

// Assignment
template <c l a s s T>
DLList<T>&
DLList<T> : : operator=( const DLList<T>& l )
{
i f ( t h i s != &l )
{
clear () ;
append ( l ) ;
}
return ∗ t h i s ;
}

// D e s t r u c t o r
template <c l a s s T> DLList<T> : : ˜ DLList ( ) { c l e a r ( ) ; }

// S i z e method
template <c l a s s T> int DLList<T> : : s i z e ( ) const
{
int count = 0 ;
for ( I t e r a t o r i=b e g i n ( ) ; i != end ( ) ; i++ )
count++;
return count ;
}

template <c l a s s T>

typename DLList<T> : : I t e r a t o r DLList<T> : : f i n d ( T t ) const
{
DLList<T> : : I t e r a t o r i = b e g i n ( ) ;

187
 while ( i != end ( ) )
{
i f ( ∗ i == t ) break ;
i ++;
}
return i ;
}

template <c l a s s T>

s t d : : ostream& operator<<( s t d : : ostream& s , DLList<T>& a )
{
s << ” ( ” ;
for ( typename DLList<T> : : I t e r a t o r i=a . b e g i n ( ) ;
i !=a . end ( ) ; i++ )
{
i f ( i != a . b e g i n ( ) ) s << ” ” ;
s << ∗ i ;
}
s << ” ) ” << s t d : : e n d l ;
return s ;
}

Verwendung

Programm: [Link]

#include <c a s s e r t >

#include <i o s t r e a m >
#include ”DLL . hh”
#include ” Z u f a l l . cc ”

int main ( )
{
Z u f a l l z ( 87124 ) ;
DLList<int> l 1 , l 2 , l 3 ;

// Erzeuge 3 L i s t e n mit j e 5 Z u f a l l s z a h l e n
for ( int i =0; i <5; i=i +1 )
l 1 . i n s e r t ( l 1 . end ( ) , i ) ;
for ( int i =0; i <5; i=i +1 )
l 2 . i n s e r t ( l 2 . end ( ) , z . z i e h e z a h l ( ) ) ;
for ( int i =0; i <5; i=i +1 )
l 3 . i n s e r t ( l 3 . end ( ) , z . z i e h e z a h l ( ) ) ;

// Loesche a l l e g e r a d e n i n d e r e r s t e n L i s t e
DLList<int > : : I t e r a t o r i , j ;
i = l1 . begin () ;
while ( i != l 1 . end ( ) )
{

188
 j = i ; // merke a k t u e l l e s Element
++i ; // g e h e zum n a e c h s t e n
i f ( ∗ j % 2 == 0 ) l 1 . e r a s e ( j ) ;
}

// L i s t e von L i s t e n . . .
DLList<DLList<int> > l l ;
l l . i n s e r t ( l l . end ( ) , l 1 ) ;
l l . i n s e r t ( l l . end ( ) , l 2 ) ;
l l . i n s e r t ( l l . end ( ) , l 3 ) ;
s t d : : c o u t << l l << s t d : : e n d l ;
s t d : : c o u t << ” Laenge : ” << l l . s i z e ( ) << s t d : : e n d l ;
}

Diskussion

• Den Rückwärtsdurchlauf durch eine Liste c erreicht man durch:

for ( DLList<int > : : I t e r a t o r i=c . r b e g i n ( ) ;

i != c . rend ( ) ; −−i )
s t d : : c o u t << ∗ i << e n d l ;

• Die Objekte (vom Typ T) werden beim Einfügen in die Liste kopiert. Abhilfe: Liste
von Zeigern auf die Objekte, z. B. DLList<int*>.
• Die Schlüsselworte const in der Definition von begin, end, . . . bedeuten, dass diese
Methoden ihr Objekt nicht ändern.
• Innerhalb einer Template-Definition werden geschachtelte Klassen nicht als Typ
erkannt. Daher muss man den Namen explizit mittels typename als Typ kenn-
zeichnen.

Beziehung zur STL-Liste

Die entsprechende STL-Schablone heißt list und unterscheidet sich von unserer Liste
unter anderem in folgenden Punkten:
• Man erhält die Funktionalität durch #include <list>.
• Die Iterator-Klasse heißt iterator statt Iterator.
• Es gibt zusätzlich einen const iterator. Auch unterscheiden sich Vorwärts- und
Rückwärtsiteratoren (reverse iterator).
• Sie hat einige Methoden mehr, z. B. push front, push back, front, back, pop front,
pop back, sort, reverse, . . .
• Die Ausgabe über std::cout <<“ ist nicht definiert.
”

189
12.5 Feld
Wir fügen nun die Iterator-Schnittstelle unserer SimpleArray<T>-Schablone hinzu.
Programm: ([Link])

template <c l a s s T> c l a s s Array

{
public :
typedef T MemberType ; // Merke Grundtyp

// I t e r a t o r f u e r d i e Feld−K l a s s e
class I t e r a t o r
{
private :
T∗ p ; // I t e r a t o r i s t e i n Z e i g e r . . .
I t e r a t o r ( T∗ q ) { p = q ; }
public :
Iterator () { p = 0; }
bool operator !=( I t e r a t o r x ) {
return ( p != x . p ) ;
}
bool operator==( I t e r a t o r x ) {
return ( p == x . p ) ;
}
I t e r a t o r operator++() {
p++;
return ∗ t h i s ;
}
I t e r a t o r operator++( int ) {
I t e r a t o r tmp = ∗ t h i s ;
++∗t h i s ;
return tmp ;
}
T& operator ∗ ( ) const { return ∗p ; }
T∗ operator −>() const { return p ; }
friend c l a s s Array<T>;
};

// I t e r a t o r Methoden
I t e r a t o r b e g i n ( ) const {
return I t e r a t o r ( p ) ;
}
I t e r a t o r end ( ) const {
return I t e r a t o r ( &(p [ n ] ) ) ; // ja , das i s t ok !
}

// K o n s t r u k t i o n ; D e s t r u k t i o n und Zuweisung
Array ( int m ) {
n = m;
p = new T [ n ] ;

190
 }
Array ( const Array<T>& ) ;
Array<T>& operator=( const Array<T>& ) ;
˜ Array ( ) {
delete [ ] p ;
}

// Array m a n i p u l a t i o n
int s i z e ( ) const {
return n ;
}
T& operator [ ] ( int i ) {
return p [ i ] ;
}

private :
int n ; // Anzahl Elemente
T∗ p ; // Z e i g e r a u f b u i l t −i n a r r a y
};

// Copy−K o n s t r u k t o r
template <c l a s s T>
Array<T> : : Array ( const Array<T>& a ) {
n = a.n;
p = new T [ n ] ;
for ( int i =0; i <n ; i=i +1 )
p[ i ] = a.p[ i ];
}

// Zuweisung
template <c l a s s T>
Array<T>& Array<T> : : operator=( const Array<T>& a ) {
i f ( &a != t h i s )
{
i f ( n != a . n )
{
delete [ ] p ;
n = a.n;
p = new T [ n ] ;
}
for ( int i =0; i <n ; i=i +1 ) p [ i ] = a . p [ i ] ;
}
return ∗ t h i s ;
}

// Ausgabe
template <c l a s s T>
s t d : : ostream& operator<<( s t d : : ostream& s , Array<T>& a ) {
s << ” a r r a y ” << a . s i z e ( ) << ” e l e m e n t s = [ ” << s t d : : e n d l ;
for ( int i =0; i <a . s i z e ( ) ; i++ )

191
 s << ” ” << i << ” ” << a [ i ] << s t d : : e n d l ;
s << ” ] ” << s t d : : e n d l ;
return s ;
}

Bemerkung:
• Der Iterator ist als Zeiger auf ein Feldelement realisiert.
• Die Schleife
for (Array<int>::Iterator i=[Link](); i!=[Link](); ++i) ...
entspricht nach Inlining der Methoden einfach
for (int* p=a.p; p!=&a[100]; p=p+1) ...
und ist somit nicht langsamer als handprogrammiert!
• Man beachte auch die Definition von MemberType. Dies ist praktisch innerhalb ei-
nes Template template <class C>, wo der Datentyp eines Containers C dann als
C::MemberType erhalten werden kann.

Programm: Gleichzeitige Verwendung DLList/Array ([Link]):

#include <c a s s e r t >

#include <i o s t r e a m >

#include ” Array . hh”

#include ”DLL . hh”
#include ” Z u f a l l . c c ”

int main ( )
{
Z u f a l l z ( 87124 ) ;
Array<int> a ( 5 ) ;
DLList<int> l ;

// Erzeuge Array und L i s t e mit 5 Z u f a l l s z a h l e n

for ( int i =0; i <5; i=i +1 ) a [ i ] = z . z i e h e z a h l ( ) ;
for ( int i =0; i <5; i=i +1 )
l . i n s e r t ( l . end ( ) , z . z i e h e z a h l ( ) ) ;

// Benutzung
for ( Array<int > : : I t e r a t o r i=a . b e g i n ( ) ; i !=a . end ( ) ; i++ )
s t d : : c o u t << ∗ i << s t d : : e n d l ;
s t d : : c o u t << s t d : : e n d l ;
for ( DLList<int > : : I t e r a t o r i=l . b e g i n ( ) ; i != l . end ( ) ; i++ )
s t d : : c o u t << ∗ i << s t d : : e n d l ;
}

Bemerkung: Die STL-Version von Array erhält man mit #include <vector>. Die
Klassenschablone heißt vector anstatt Array.

192
12.6 Stack
push_front

T T T T T T T T T
pop_front
front

Schnittstelle:
• Konstruktion eines Stack.
• Einfügen eines Elementes vom Typ T oben (push).
• Entfernen des obersten Elementes (pop).
• Inspektion des obersten Elementes (top).
• Test ob Stack voll oder leer (empty).

Programm: Implementation über DLList ([Link])

template <c l a s s T>

c l a s s Stack : private DLList<T>
{
public :
// D e f a u l t −K o n s t r u k t o r e n + Zuweisung OK

bool empty ( ) { return DLList<T> : : empty ( ) ; }

void push ( T t ) {
i n s e r t ( begin () , t ) ;
}
T top ( ) { return ∗ b e g i n ( ) ; }
void pop ( ) { e r a s e ( b e g i n ( ) ) ; }
};

Bemerkung:
• Wir haben den Stack als Spezialisierung der doppelt verketteten Liste realisiert.
Etwas effizienter wäre die Verwendung einer einfach verketteten Liste gewesen.
• Auffallend ist, dass die Befehle top/pop getrennt existieren (und pop keinen Wert
zurückliefert). Verwendet werden diese Befehle nämlich meist gekoppelt, so dass
auch eine Kombination pop ← top+pop nicht schlecht wäre.

Programm: Anwendung: ([Link])

#include <c a s s e r t >

#include <i o s t r e a m >

#include ”DLL . hh”

#include ” Stack . hh”

int main ( )

193
 {
Stack<int> s 1 ;
for ( int i =1; i <=5; i++ )
s 1 . push ( i ) ;

Stack<int> s 2 ( s 1 ) ;
s2 = s1 ;
while ( ! s 2 . empty ( ) )
{
s t d : : c o u t << s 2 . top ( ) << s t d : : e n d l ;
s 2 . pop ( ) ;
}
}

Bemerkung: Die STL-Version erhält man durch #include <stack>. Die Klassenscha-
blone heißt dort stack und hat im wesentlichen dieselbe Schnittstelle.

12.7 Queue
Eine Queue ist eine Struktur, die Einfügen an einem Ende und Entfernen nur am anderen
Ende erlaubt:

push
T T T T T T T T T
pop
front

Anwendung: Warteschlangen.

Schnittstelle:

· Konstruktion einer leeren Queue

· Einfügen eines Elementes vom Typ T am Ende
· Entfernen des Elementes am Anfang
· Inspektion des Elementes am Anfang
· Test ob Queue leer

Programm: ([Link])

template <c l a s s T>

c l a s s Queue : private DLList<T>
{
public :
// D e f a u l t −K o n s t r u k t o r e n + Zuweisung OK
bool empty ( ) {
return DLList<T> : : empty ( ) ;
}

194
 T front () {
return ∗ DLList<T> : : b e g i n ( ) ;
}
T back ( ) {
return ∗ DLList<T> : : r b e g i n ( ) ;
}
void push ( T t ) {
i n s e r t ( DLList<T> : : end ( ) , t ) ;
}
void pop ( ) {
e r a s e ( DLList<T> : : b e g i n ( ) ) ;
}
};

Bemerkung: Die STL-Version erhält man durch #include <queue>. Die Klassenscha-
blone heißt dort queue und hat im wesentlichen dieselbe Schnittstelle wie Queue.

Programm: Zur Abwechslung verwenden wir mal die STL-Version: ([Link])

#include <queue>
#include <i o s t r e a m >

int main ( )
{
s t d : : queue<int> q ;
for ( int i =1; i <=5; i++ )
q . push ( i ) ;

while ( ! q . empty ( ) )
{
s t d : : c o u t << q . f r o n t ( ) << s t d : : e n d l ;
q . pop ( ) ;
}
}

12.8 DeQueue
Eine DeQueue (double-ended queue) ist eine Struktur, die Einfügen und Entfernen an
beiden Enden erlaubt:

push_back push_front

T T T T T T T T T
pop_front
pop_back front
back

Schnittstelle:

195
· Konstruktion einer leeren DeQueue
· Einfügen eines Elementes vom Typ T am Anfang oder Ende
· Entfernen des Elementes am Anfang oder am Ende
· Inspektion des Elementes am Anfang oder Ende
· Test ob DeQueue leer

Programm: ([Link])

template <c l a s s T>

c l a s s DeQueue : private DLList<T>
{
public :
// D e f a u l t −K o n s t r u k t o r e n + Zuweisung ok
bool empty ( ) ;
void p u s h f r o n t ( T t ) ;
void push back ( T t ) ;
T pop front () ;
T pop back ( ) ;
T front () ;
T back ( ) ;
};

Bemerkung: Die STL-Version erhält man auch hier mit #include <queue>. Die Klas-
senschablone heißt deque.

12.9 Prioritätswarteschlangen

Bezeichnung: Eine Prioritätswarteschlange ist eine Struktur, in die man Objekte des
Grundtyps T einfüllen kann und von der jeweils das kleinste (MinPriorityQueue) bzw. das
größte (MaxPriorityQueue) der eingegebenen Elemente als nächstes entfernt werden kann.
Bei gleich großen Elementen verhält sie sich wie eine Queue.

Bemerkung: Auf dem Grundtyp T muß dazu die Relation < mittels dem operator<
zur Verfügung stehen.

push() Einfügen




H
j pop()
H
H Entfernen
top() Inspizieren

Schnittstelle:
• Konstruktion einer leeren MinPriorityQueue.
• Einfügen eines Elementes vom Typ T (push).

196
 • Entfernen des kleinsten Elementes im Container (pop).
• Inspektion des kleinsten Elementes im Container (top).
• Test ob MinPriorityQueue leer (empty).

Programm: Hier die Klassendefinition ([Link]):

template <c l a s s T>

c l a s s MinPriorityQueue : private DLList<T>
{
private :
typename DLList<T> : : I t e r a t o r find minimum ( ) ;
public :
// D e f a u l t −K o n s t r u k t o r e n + Zuweisung OK
bool empty ( ) ;
void push ( T t ) ; // E i n f u e g e n
void pop ( ) ; // E n t f e r n e k l e i n s t e s
T top ( ) ; // I n s p i z i e r e k l e i n s t e s
};

Und die Implementation ([Link]):

template <c l a s s T>

bool MinPriorityQueue<T> : : empty ( ) {
return DLList<T> : : empty ( ) ;
}

template <c l a s s T>

void MinPriorityQueue<T> : : push ( T t ) {
i n s e r t ( DLList<T> : : b e g i n ( ) , t ) ;
}

template <c l a s s T>

typename DLList<T> : : I t e r a t o r
MinPriorityQueue<T> : : find minimum ( )
{
typename DLList<T> : : I t e r a t o r min = DLList<T> : : b e g i n ( ) ;
for ( typename DLList<T> : : I t e r a t o r i=DLList<T> : : b e g i n ( ) ;
i != DLList<T> : : end ( ) ; i++ )
i f ( ∗ i <= ∗min ) min = i ;
return min ;
}

template <c l a s s T>

i n l i n e void MinPriorityQueue<T> : : pop ( ) {
e r a s e ( find minimum ( ) ) ;
}

template <c l a s s T>

i n l i n e T MinPriorityQueue<T> : : top ( ) {
return ∗ find minimum ( ) ;

197
 }

Bemerkung:
• Unsere Implementierung arbeitet mit einer einfach verketteten Liste. Das Einfügen
hat Komplexität O(1), das Entfernen/Inspizieren jedoch O(n).
• Bessere Implementationen verwenden einen Heap, was zu einem Aufwand der Ord-
nung O(log n) führt.
• Analog ist die Implementation der MaxPriorityQueue.

Bemerkung: Die STL-Version erhält man auch durch #include <queue>. Die Klassen-
schablone heißt priority queue und implementiert eine MaxPriorityQueue. Man kann
allerdings den Vergleichsoperator auch als Template-Parameter übergeben (etwas lästig).

12.10 Set
Ein Set (Menge) ist ein Container mit folgenden Operationen:
• Konstruktion einer leeren Menge.
• Einfügen eines Elementes vom Typ T.
• Entfernen eines Elementes.
• Test auf Enthaltensein.
• Test ob Menge leer.

Programm: Klassendefinition ([Link]):

template <c l a s s T>

c l a s s S e t : private DLList<T>
{
public :
// D e f a u l t −K o n s t r u k t o r e n + Zuweisung OK

typedef typename DLList<T> : : I t e r a t o r I t e r a t o r ;

I t e r a t o r begin () ;
I t e r a t o r end ( ) ;

bool empty ( ) ;
bool member ( T t ) ;
void i n s e r t ( T t ) ;
void remove ( T t ) ;
// union , i n t e r s e c t i o n , . . . ?
};

Implementation ([Link]):

198
 template <c l a s s T>
typename Set<T> : : I t e r a t o r Set<T> : : b e g i n ( ) {
return DLList<T> : : b e g i n ( ) ;
}

template <c l a s s T>

typename Set<T> : : I t e r a t o r Set<T> : : end ( ) {
return DLList<T> : : end ( ) ;
}

template <c l a s s T>

bool Set<T> : : empty ( ) {
return DLList<T> : : empty ( ) ;
}

template <c l a s s T>

i n l i n e bool Set<T> : : member ( T t ) {
return f i n d ( t ) != DLList<T> : : end ( ) ;
}

template <c l a s s T>

i n l i n e void Set<T> : : i n s e r t ( T t )
{
i f ( ! member ( t ) )
DLList<T> : : i n s e r t ( DLList<T> : : b e g i n ( ) , t ) ;
}

template <c l a s s T>

i n l i n e void Set<T> : : remove ( T t )
{
typename DLList<T> : : I t e r a t o r i = f i n d ( t ) ;
i f ( i != DLList<T> : : end ( ) )
erase ( i ) ;
}

Bemerkung:
• Die Implementierung hier basiert auf der doppelt verketteten Liste von oben (private
Ableitung!).
• Einfügen, Suchen und Entfernen hat die Komplexität O(n).
• Wir lernen später Implementierungen kennen, die den Aufwand O(log n) für alle
Operationen haben.
• Auf dem Typ T muss der Vergleichsoperator operator< definiert sein. (Set gehört
zu den sog. sortierten, assoziativen Containern).

12.11 Map

199
Bezeichnung: Eine Map ist ein assoziatives Feld, das Objekten eines Typs Key Objekte
eines Typs T zuordnet.

Beispiel: Telefonbuch:
Meier → 504423
Schmidt → 162300
Müller → 712364
Huber → 8265498
Diese Zuordnung könnte man realisieren mittels:

Map<s t r i n g , int> t e l e f o n b u c h ;
t e l e f o n b u c h [ ” Meier ” ] = 5 0 4 4 2 3 ;
...

Programm: Definition der Klassenschablone ([Link])

// E x i s t i e r t schon a l s s t d : : p a i r
// t e m p l a t e <c l a s s Key , c l a s s T>
// struct pair {
// Key f i r s t ;
// T second ;
// };

template <c l a s s Key , c l a s s T>

c l a s s Map : private DLList<p a i r <Key , T> >
{
public :

T& operator [ ] ( const Key& k ) ;

typedef typename DLList<p a i r <Key , T> >:: I t e r a t o r I t e r a t o r ;

I t e r a t o r b e g i n ( ) const ;
I t e r a t o r end ( ) const ;
I t e r a t o r f i n d ( const Key& k ) ;
};

Bemerkung:
• In dieser Implementation von Map werden je zwei Objekte der Typen Key (Schlüssel )
und T (Wert) zu einem Paar vom Typ pair<Key,T> kombiniert und in eine doppelt
verkettete Liste eingefügt:

Key T Key T Key T Key T

200
 • Ein Objekt vom Typ Key kann nur einmal in einer Map vorkommen. (Daher ist das
Telefonbuch kein optimales Beispiel.)
• Wir haben einen Iterator zum Durchlaufen des Containers.
• Auf dem Schlüssel muss der Vergleichsoperator operator< definiert sein.
• find(Key k) liefert den Iterator für den Wert, ansonsten end().
• Der Aufwand einer Suche ist wieder O(n). Bald werden wir aber eine Realisierung
von Map kennenlernen, die Einfügen und Suchen in O(log n) Schritten ermöglicht.

12.12 Anwendung: Huffman-Code

Problem: Wir wollen eine Zeichenfolge, z. B.

’ABRACADABRASIMSALABIM’

durch eine Folge von Zeichen aus der Menge {0, 1} darstellen (kodieren).
Dazu wollen wir jedem der neun (verschiedenen) Zeichen aus der Eingabekette eine Folge
von Bits zuzuordnen.
Am einfachsten ist es, einen Code fester Länge zu konstruieren. Mit n Bits können wir 2n
verschiedene Zeichen kodieren. Im obigem Fall genügen also vier Bit, um jedes der neun
verschiedenen Zeichen in der Eingabekette zu kodieren, z. B.
A 0001 D 0100 M 0111
B 0010 I 0101 R 1000
C 0011 L 0110 S 1010
Die Zeichenkette wird dann kodiert als

0001
|{z} 0010
|{z} 1000
|{z} . . .
A B R

Insgesamt benötigen wir 21 · 4 = 84 Bits (ohne die Übersetzungstabelle!).

Beobachtung: Kommen manche Zeichen häufiger vor als andere (wie etwa bei Texten
in natürlichen Sprachen) so kann man Platz sparen, indem man Codes variabler Länge
verwendet.

Beispiel: Morsecode.

Beispiel: Für unsere Beispielzeichenkette ’ABRACADABRASIMSALABIM’ wäre fol-

gender Code gut:

A 1 D 010 M 100
B 10 I 11 R 101
C 001 L 011 S 110

201
Damit kodieren wir unsere Beispielkette als

1 |{z}
|{z} 10 |{z}
101 |{z}
1 |{z}
001 . . .
A B R A C

Schwierigkeit: Bei der Dekodierung könnte man diese Bitfolge auch interpretieren als

110 |{z}
|{z} 101 |{z}
100 . . .
S R M

Abhilfe: Es gibt zwei Möglichkeiten das Problem zu umgehen:

1. Man führt zusätzliche Trennzeichen zwischen den Zeichen ein (etwa die Pause beim
Morsecode).
2. Man sorgt dafür, dass kein Code für ein Zeichen der Anfang (Präfix) eines anderen
Zeichens ist. Einen solchen Code nennt man Präfixcode.

Frage: Wie sieht der optimale Präfixcode für eine gegebene Zeichenfolge aus, d. h. ein
Code der die gegebene Zeichenkette mit einer Bitfolge minimaler Länge kodiert.

Antwort: Huffmancodes! (Sie sind benannt nach ihrem Entdecker David Huffman18 , der
auch die Optimalität dieser Codes gezeigt hat.)

Beispiel: Für unsere Beispiel-Zeichenkette ist ein solcher Huffmancode

A 11 D 10011 M 000
B 101 I 001 R 011
C 1000 L 10010 S 010

Die kodierte Nachricht lautet hier

1110101111100011100111110101111010001000010111001011101001000

und hat nur noch 61 Bits!

Trie

Einem Präfixcode kann man einen binären Baum zuordnen, der Trie (von retrieval“,
”
Aussprache wie try“) genannt wird. In den Blättern stehen die zu kodierenden Zeichen.
”
Ein Pfad von der Wurzel zu einem Blatt kodiert das entsprechende Zeichen.
Blätter enthalten die zu kodierenden Zeichen, innere Knoten haben nur Wegweiserfunk-
tion.

18
David A. Huffman, 1925–1999, US-amerk. Computerpionier.

202
 1 0
21
1
13 0 1 8 0
A 0
7 1 1 0 1
0 4 4
6
B R S I M
0 2 2 2 2
3 1 3
0 C
1 1
2
D L
1 1

Bemerkung: Zeichen, die häufig vorkommen, stehen nahe bei der Wurzel. Zeichen, die
seltener vorkommen, stehen tiefer im Baum.

Konstruktion von Huffmancodes

1. Zähle die Häufigkeit jedes Zeichens in der Eingabefolge. Erzeuge für jedes Zeichen
einen Knoten mit seiner Häufigkeit. Packe alle Knoten in eine Menge E.
2. Solange die Menge E nicht leer ist: Entferne die zwei Knoten l und r mit geringster
Häufigkeit aus E. Erzeuge einen neuen Knoten n mit l und r als Söhnen und der
Summe der Häufigkeiten beider Söhne. Ist E leer, ist n die Wurzel des Huffmanbau-
mes, sonst stecke n in E.

Implementation

Programm: Huffman-Kodierung mit STL ([Link])

#include <i o s t r e a m >

#include <map>
#include <queue>
#include <s t r i n g >

using namespace s t d ; // i mp o r t namespace s t d

// There a r e no g e n e r a l b i n a r y t r e e s i n t h e STL .
// But we do not use much o f t h i s s t r u c t u r e anyhow . . .
struct node
{
struct node ∗ l e f t ;
struct node ∗ r i g h t ;
char symbol ;
int w e i g h t ;
node ( char c , int i ) { // l e a f c o n s t r u c t o r
symbol = c ;
weight = i ;
l e f t = right = 0;
}
node ( node ∗ l , node ∗ r ) { // i n t e r n a l node c o n s t r u c t o r
symbol = 0 ;

203
 w e i g h t = l −>w e i g h t + r−>w e i g h t ;
left = l ;
right = r ;
}
bool i s l e a f ( ) { return symbol != 0 ; }
bool operator >( const node& a ) const {
return w e i g h t > a . w e i g h t ;
}
};

// c o n s t r u c t t h e Huffman t r i e f o r t h i s message
node ∗ h u f f m a n t r i e ( s t r i n g message )
{
// cou n t m u l t i p l i c i t i e s
map<char , int> cmap ;
for ( s t r i n g : : i t e r a t o r i=message . b e g i n ( ) ; i != message . end ( ) ; i++ )
i f ( cmap . f i n d ( ∗ i ) != cmap . end ( ) )
cmap [ ∗ i ]++;
else
cmap [ ∗ i ] = 1 ;

// g e n e r a t e l e a v e s w i t h m u l t i p l i c i t i e s
p r i o r i t y q u e u e <node , v e c t o r <node >, g r e a t e r <node> > q ;
for ( map<char , int > : : i t e r a t o r i=cmap . b e g i n ( ) ; i !=cmap . end ( ) ;
i++ )
q . push ( node ( i −>f i r s t , i −>s e c o n d ) ) ;

// b u i l d Huffman t r e e ( t r i e )
while ( q . s i z e ( ) > 1 )
{
node ∗ l e f t = new node ( q . top ( ) ) ;
q . pop ( ) ;
node ∗ r i g h t = new node ( q . top ( ) ) ;
q . pop ( ) ;
q . push ( node ( l e f t , r i g h t ) ) ;
}
return new node ( q . top ( ) ) ;
}

// r e c u r s i v e f i l l i n g o f t h e e n c o d i n g t a b l e ’ code ’
void f i l l e n c o d i n g t a b l e ( s t r i n g s , node ∗ i ,
map<char , s t r i n g >& code )
{
i f ( i −> i s l e a f ( ) )
code [ i −>symbol ] = s ;
else
{
f i l l e n c o d i n g t a b l e ( s + ” 0 ” , i −>l e f t , code ) ;
f i l l e n c o d i n g t a b l e ( s + ” 1 ” , i −>r i g h t , code ) ;
}

204
 }

// e n c o d i n g
s t r i n g encode ( map<char , s t r i n g > code , s t r i n g& message ) {
s t r i n g encoded = ” ” ;
for ( s t r i n g : : i t e r a t o r i=message . b e g i n ( ) ; i != message . end ( ) ; i++ )
encoded += code [ ∗ i ] ;
return encoded ;
}

// d e c o d i n g
s t r i n g decode ( node ∗ t r i e , s t r i n g& encoded ) {
s t r i n g decoded = ” ” ;
node ∗ node = t r i e ;
for ( s t r i n g : : i t e r a t o r i=encoded . b e g i n ( ) ; i != encoded . end ( ) ; i++ )
{
i f ( ! node−> i s l e a f ( ) )
node = ( ∗ i == ’ 0 ’ ) ? node−> l e f t : node−>r i g h t ;
i f ( node−> i s l e a f ( ) )
{
decoded . push back ( node−>symbol ) ;
node = t r i e ;
}
}
return decoded ;
}

int main ( ) {
s t r i n g message = ”ABRACADABRASIMSALABIM” ;

// g e n e r a t e Huffman t r i e
node ∗ t r i e = h u f f m a n t r i e ( message ) ;

// g e n e r a t e and show e n c o d i n g t a b l e
map<char , s t r i n g > t a b l e ;
f i l l e n c o d i n g t a b l e ( ”” , t r i e , t a b l e ) ;
for ( map<char , s t r i n g > : : i t e r a t o r i=t a b l e . b e g i n ( ) ;
i != t a b l e . end ( ) ; i++ )
c o u t << i −> f i r s t << ” ” << i −>s e c o n d << e n d l ;

// encode and decode

s t r i n g encoded = encode ( t a b l e , message ) ;
c o u t << ” Encoded : ” << encoded <<
” [ ” << encoded . s i z e ( ) << ” B i t s ] ” << e n d l ;
c o u t << ” Decoded : ” << decode ( t r i e , encoded ) << e n d l ;

// t h e t r i e i s not d e l e t e d h e r e . . .
}

Ausgabe: Wir erhalten einen anderen Huffman-Code als oben angegeben (der aber

205
natürlich genauso effizient kodiert):

A 11
B 100
C 0010
D 1010
I 010
L 0011
M 1011
R 011
S 000
Encoded: 1110001111001011101011100011... [61 Bits]
Decoded: ABRACADABRASIMSALABIM

13 Effiziente Algorithmen und Datenstrukturen

Beobachtung: Einige der bisher vorgestellten Algorithmen hatten einen sehr hohen
Aufwand (z. B. O(n2 ) bei Bubblesort, O(n) bei Einfügen/Löschen aus der Priority-Queue).
In vielen Fällen ist die STL-Implementation viel schneller.

Frage: Wie erreicht man diese Effizienz?

Ziel: In diesem Kapitel lernen wir Algorithmen und Datenstrukturen kennen, mit denen
man hohe (in vielen Fällen sogar optimale) Effizienz erreichen kann.

13.1 Heap
Die Datenstruktur Heap erlaubt es, Einfügen und Löschen in einer Prioritätswarteschlange
mit O(log n) Operationen zu realisieren. Sie ist auch Grundlage eines schnellen Sortier-
verfahrens (Heapsort).
Definition: Ein Heap ist
• ein fast vollständiger binärer Baum
• Jedem Knoten ist ein Schlüssel zugeordnet. Auf der Menge der Schlüssel ist eine
totale Ordnung (z. B. durch einen Operator ≤) definiert.
Totale Ordnung: reflexiv (a ≤ a), transitiv (a ≤ b, b ≤ c ⇒ a ≤ c), total (a ≤
b ∨ b ≤ a).
• Der Baum ist partiell geordnet, d. h. der Schlüssel jedes Knotens ist nicht kleiner
als die Schlüssel in seinen Kindern (Heap-Eigenschaft).

Bezeichnung: Ein vollständiger binärer Baum ist ein

• binärer Baum der Tiefe h mit maximaler Knotenzahl,

206
 • bei dem sich alle Blätter auf der gleichen Stufe befinden.

Tiefe 1 Tiefe 2 Tiefe 3 Tiefe h

...
21−1 22−1 23−1 2h−1 Knoten

Bezeichnung: Ein fast vollständiger binärer Baum ist ein binärer Baum mit folgenden
Eigenschaften:
• alle Blätter sind auf den beiden höchsten Stufen
• maximal ein innerer Knoten hat nur ein Kind
• Blätter werden von links nach rechts aufgefüllt.
Ein solcher Baum mit n Knoten hat eine eindeutige Struktur:

n=1 n=2 n=3 n=4

vollständig
...

Einfügen

Problem: Gegeben ist ein Heap mit n Elementen und neues Element x. Konstruiere
daraus einen um x erweiterten Heap mit n + 1 Elementen.

Beobachtung: Die Struktur des Baumes mit n + 1 Elementen liegt fest. Wenn man
daher x an der neuen Position v einfügt, so kann die Heapeigenschaft nur im Knoten
w = Elter(v) verletzt sein.

Beispiel:
26

17 24

8 w 21 23
14

2 x v
4 10

Algorithmus: Wiederherstellen der Heapeigenschaft in maximal dlog2 ne Vertauschun-

gen:

207
Falls Inhalt(w) < Inhalt(v) dann
tausche Inhalt
Falls w nicht die Wurzel ist:
setze w = Elter(w); v = Elter(v);
sonst → fertig
sonst → fertig

Reheap

Die im folgenden beschriebene Reheap-Operation wird beim Entfernen der Wurzel ge-
braucht.
Problem: Gegeben ist ein fast vollständiger Baum mit Schlüsseln, so dass die Heapei-
genschaft in allen Knoten exklusive der Wurzel gilt. Ziel ist die Transformation in einen
echten Heap.

Algorithmus:
1. Tausche Schlüssel in der Wurzel mit dem größeren der beiden Kinder.
2. Wenn die Heap-Eigenschaft für dieses Kind nicht erfüllt ist, so wende den Algorith-
mus rekursiv an, bis ein Blatt erreicht wird.

Entfernen des Wurzelelements

Algorithmus:
• Ersetze den Wert in der Wurzel (Rückgabewert) durch das letzte Element des fast
vollständigen binären Baumes.
• Verkleinere den Heap und rufe Reheap auf

Beispiel:

x y
vor Reheap

Komplexität

Ein fast vollständiger Baum mit n Knoten hat genau dld(n + 1)e Ebenen. Somit benötigt
das Einfügen maximal dld(n + 1)e − 1 Vergleiche und die Operation reheap maximal
2(dld(n + 1)e − 1) Vergleiche.

208
Datenstruktur

Beobachtung: Die Knoten eines fast vollständigen binären Baumes können sehr effizient
in einem Feld gespeichert werden:
Numeriert man die Knoten wie folgt:
0

2
1

3 i 4 5 6

7 8 10
9

Dann gilt für Knoten i: Linkes Kind: 2i + 1

Rechtes Kind: 2(i + 1)
Elter: b i−1
2
c

Implementation

Programm: Definition und Implementation ([Link])

template <c l a s s T>

c l a s s Heap
{
public :
bool empty ( ) ;
void push ( T x ) ;
void pop ( ) ;
T top ( ) ;
private :
s t d : : v e c t o r <T> data ;
void r e h e a p ( int i ) ;
};

template <c l a s s T>

void Heap<T> : : push ( T x )
{
int i = data . s i z e ( ) ;
data . push back ( x ) ;
while ( i > 0 && data [ i ] > data [ ( i −1) / 2 ] )
{
s t d : : swap ( data [ i ] , data [ ( i −1) / 2 ] ) ;
i = ( i − 1) / 2 ;
}
}

template <c l a s s T>

void Heap<T> : : r e h e a p ( int i )

209
 {
int n = data . s i z e ( ) ;
while ( 2∗ i +1 < n )
{
int l = 2 ∗ i + 1 ;
int r = l + 1 ;
int k = ( ( r < n ) && ( data [ r ] > data [ l ] ) ) ? r : l ;
i f ( data [ k ] <= data [ i ] ) break ;
s t d : : swap ( data [ k ] , data [ i ] ) ;
i = k;
}
}

template <c l a s s T>

void Heap<T> : : pop ( )
{
s t d : : swap ( data . f r o n t ( ) , data . back ( ) ) ;
data . pop back ( ) ;
reheap ( 0 ) ;
}

template <c l a s s T>

T Heap<T> : : top ( )
{
return data [ 0 ] ;
}

template <c l a s s T>

i n l i n e bool Heap<T> : : empty ( )
{
return data . s i z e ( ) == 0 ;
}

Programm: Anwendung ([Link])

#include <v e c t o r >

#include <i o s t r e a m >

#include ”Heap . hh”

#include ” Z u f a l l . c c ”

int main ( )
{
Z u f a l l z ( 87123 ) ;
Heap<int> h ;

for ( int i =0; i <10; i=i +1 )

{
int k = z . z i e h e z a h l ( ) ;
s t d : : c o u t << k << s t d : : e n d l ;

210
 h . push ( k ) ;
}
s t d : : c o u t << s t d : : e n d l ;
while ( ! h . empty ( ) )
{
s t d : : c o u t << h . top ( ) << s t d : : e n d l ;
h . pop ( ) ;
}
}

Beobachtung: Mit Hilfe der Heap-Struktur lässt sich sehr einfach ein recht guter Sor-
tieralgorithmus erzeugen. Dazu ordnet man Elemente einfach in einen Heap ein und ex-
trahiert sie wieder. Dies wird später noch genauer beschrieben.

13.2 Sortierverfahren mit quadratischer Komplexität

Gegeben: Eine Liste“ von Datensätzen (D0 , . . . , Dn−1 ). Zu jedem Datensatz Di gehört
”
ein Schlüssel ki = k(Di ). Auf der Menge der Schlüssel sei eine totale Ordnung durch einen
Operator ≤ definiert.

Definition: Eine Permutation von I = {0, . . . , n − 1} ist eine bijektive Abbildung π :

I → I.

Gesucht: Eine Permutation π : {0, . . . , n − 1} → {0, . . . , n − 1}, so dass gilt

kπ(0) ≤ . . . ≤ kπ(n−1)

Bemerkung: In der Praxis hat man:

• Die Datensätze sind normalerweise in einer Liste oder einem Feld gespeichert. Wir
betrachten im folgenden den Fall des Felds.
• Oft braucht man die Permutation π nicht weiter, und es reicht aus, als Ergebnis
einer Sortierfunktion eine sortierte Liste/Feld zu erhalten.
• Die Relation ≤ wird durch einen Vergleichsoperator definiert.
• Für große Datensätze sortiert man lieber ein Feld von Zeigern.
• Internes Sortieren: Alle Datensätze sind im Hauptspeicher.
• Externes Sortieren: Sortieren von Datensätzen, die auf Platten, Bändern, etc. ge-
speichert sind.
Die folgenden Implementierungen können z. B. mit einem std::vector aufgerufen wer-
den.

211
Selectionsort (Sortieren durch Auswahl)

Idee:
• Gegeben sei ein Feld a = (a0 , . . . , an−1 ) der Länge n.
• Suche das Minimum im Feld und tausche mit dem erstem Element.
• Danach steht die kleinste der Zahlen ganz links, und es bleibt noch ein Feld der
Länge n − 1 zu sortieren.
Programm: Selectionsort ([Link])

template <c l a s s C>

void s e l e c t i o n s o r t ( C& a )
{
for ( int i =0; i <a . s i z e ( ) −1; i=i +1 )
{ // i Elemente s i n d s o r t i e r t
int min = i ;
for ( int j=i +1; j <a . s i z e ( ) ; j=j +1 )
i f ( a [ j ] < a [ min ] ) min = j ;
s t d : : swap ( a [ i ] , a [ min ] ) ;
}
}

Bemerkung:
n2
• Komplexität: in führender Ordnung 2
Vergleiche, n Vertauschungen → O(n2 ).
• Die Anzahl von Datenbewegungen ist optimal, das Verfahren ist also zu empfehlen,
wenn möglichst wenige Datensätze bewegt werden sollen.

Bubblesort

Idee: (Siehe den Abschnitt über Effizienz generischer Programmierung.)

• Gegeben sei ein Feld a = (a0 , . . . , an−1 ) der Länge n.
• Durchlaufe die Indizes i = 0, 1, . . . , n − 2 und vergleiche jeweils ai und ai+1 . Ist
ai > ai+1 so vertausche die beiden.
• Nach einem solchen Durchlauf steht die größte der Zahlen ganz rechts, und es bleibt
noch ein Feld der Länge n − 1 zu sortieren.
Programm: Bubblesort mit STL ([Link])

template <c l a s s C>

void b u b b l e s o r t ( C& a )
{
for ( int i=a . s i z e ( ) −1; i >=0; i −− )
for ( int j =0; j <i ; j=j +1 )
i f ( a [ j +1] < a [ j ] )
s t d : : swap ( a [ j +1] , a [ j ] ) ;
}

212
Bemerkung:
n2 n2
• Komplexität: in führender Ordnung 2
Vergleiche, 2
Vertauschungen

Insertionsort (Sortieren durch Einfügen)

Beschreibung: Der bereits sortierte Bereich liegt links im Feld und das nächste Element
wird jeweils soweit nach links bewegt, bis es an der richtigen Stelle sitzt.

Programm: Insertionsort mit STL ([Link])

template <c l a s s C>

void i n s e r t i o n s o r t ( C& a )
{
for ( int i =1; i <a . s i z e ( ) ; i=i +1 )
{
// i Elemente s i n d s o r t i e r t
int j = i ;
while ( j > 0 && a [ j −1] > a [ j ] )
{
s t d : : swap ( a [ j ] , a [ j −1] ) ;
j = j − 1;
}
}
}

Bemerkung:
n2 n2
• Komplexität: 2
Vergleiche, 2
Vertauschungen → O(n2 ).
• Ist das Feld bereits sortiert, endet der Algorithmus nach O(n) Vergleichen. Sind
in ein bereits sortiertes Feld mit n Elementen m weitere Elemente einzufügen, so
gelingt dies mit Insertionsort in O(nm) Operationen. Dies ist optimal für sehr kleines
m (m  log n).

13.3 Sortierverfahren optimaler Ordnung

In diesem Abschnitt betrachten wir Sortierverfahren, die den Aufwand O(n log n) haben.
Man kann zeigen, dass dieser Aufwand für allgemeine Felder von Datensätzen optimal
ist.
log x
Erinnerung: log x = loge x, ld x = log2 x. Wegen ld x = log 2
= 1.44 . . . · log x gilt
O(log n) = O(ld n).

Mergesort (Sortieren durch Mischen)

Beobachtung: Zwei bereits sortierte Felder der Länge m bzw. n können sehr leicht (mit
Aufwand O(m + n)) zu einem sortierten Feld der Länge m + n vermischt“ werden:
”

213
 0 1 i m−1 0 1 j n−1

a ... ... b ... ...

i Stück bearbeitet j Stück bearbeitet

a[i]<b[j] ?
bereits gemischt

c
0 1 m+n−1

Dies führt zu folgendem Algorithmus vom Typ Divide and Conquer“:

”
Algorithmus:
• Gegeben ein Feld a der Länge n.
• Ist n = 1, so ist nichts zu tun, sonst
• Zerlege a in zwei Felder a1 mit Länge n1 = n/2 (ganzzahlige Division) und a2 mit
Länge n2 = n − n1,
• sortiere a1 und a2 (Rekursion) und
• mische a1 und a2.

Programm: Mergesort mit STL ([Link])

template <c l a s s C>

void r e c m e r g e s o r t ( C& a , int o , int n )
{ // s o r t i e r e E i n t r a e g e [ o , o+n−1 ]
i f ( n == 1 ) return ;

// t e i l e und s o r t i e r e r e k u r s i v
int n1 = n / 2 ;
int n2 = n − n1 ;
r e c m e r g e s o r t ( a , o , n1 ) ;
r e c m e r g e s o r t ( a , o + n1 , n2 ) ;

// zusammenfuegen
C b ( n ) ; // H i l f s f e l d
int i 1 = o , i 2 = o + n1 ;
for ( int k=0; k<n ; k=k+1 )
i f ( ( i 2 >= o+n ) | | ( i 1 < o+n1 && a [ i 1 ] <= a [ i 2 ] ) )
b [ k ] = a [ i 1 ++];
else
b [ k ] = a [ i 2 ++];

// umkopieren
for ( int k=0; k<n ; k=k+1 ) a [ o + k ] = b [ k ] ;
}

214
 template <c l a s s C>
void m e r g e s o r t ( C& a )
{
rec merge sort ( a , 0 , a . size () ) ;
}

Beispiel:
4 0 6 5 3 9 8 2 1 7

4 0 6 5 3 9 8 2 1 7

4 0 6 5 3 9 8 2 1 7

4 0 6 5 3 9 8 2 1 7

5 3 1 7

3 5 1 7

0 4 3 5 6 8 9 1 2 7

0 3 4 5 6 1 2 7 8 9

0 1 2 3 4 5 6 7 8 9

Bemerkung:
• Mergesort benötigt zusätzlichen Speicher von der Größe des zu sortierenden Felds.
• Die Zahl der Vergleiche ist aber (in führender Ordnung) n ld n.
Beweis für n = 2k : Für die Zahl der Vergleiche V (n) gilt (Induktion)
V (1) = 0 = 1 ld 1
n n
V (n) = 2V ( ) + n − 1 ≤ 2(k − 1) + n ≤ nk
2 2
(2V (n/2): Sortieren beider Hälften; n − 1: Merge ). Man kann zeigen, dass dies
optimal ist.
• Mergesort ist stabil, d. h. Datensätze mit gleichen Schlüsseln verbleiben in derselben
Reihenfolge wie zuvor

Heapsort

Idee: Transformiere das Feld in einen Heap, und dann wieder in ein sortiertes Feld. Wegen
der kompakten Speicherweise für den Heap kann dies ohne zusätzlichen Speicherbedarf
geschehen, indem man das Feld wie folgt unterteilt:

215
 unsortierter Bereich
max Heap sortierter Bereich

Bemerkung:
• Die Transformation des Felds in einen Heap kann auf zwei Weisen geschehen:
1. Der Heap wird von vorne durch push aufgebaut.
2. Der Heap wird von hinten durch reheap aufgebaut.
Da wir reheap sowieso für die pop-Operation brauchen, wählen wir die zweite Va-
riante.
• Heapsort hat in führender Ordnung die Komplexität von 2n ld n Vergleichen. Der
zusätzliche Speicheraufwand ist unabhängig von n (in-situ-Verfahren)!
• Im Gegensatz zu Mergesort ist Heapsort nicht stabil.

Programm: Heapsort mit STL ([Link])

template <c l a s s C>

i n l i n e void r e h e a p ( C& a , int n , int i )
{
while ( 2∗ i +1 < n )
{
int l = 2 ∗ i + 1 ;
int r = l + 1 ;
int k = ( ( r < n ) && ( a [ r ] > a [ l ] ) ) ? r : l ;
i f ( a [ k ] <= a [ i ] ) break ;
s t d : : swap ( a [ k ] , a [ i ] ) ;
i = k;
}
}

template <c l a s s C>

void h e a p s o r t ( C& a )
{
// b u i l d t h e heap by r e h e a p i n g from t h e r e a r
for ( int i=a . s i z e ( ) −1; i >=0; i −− )
reheap ( a , a . s i z e ( ) , i ) ;
// b u i l d t h e s o r t e d l i s t by p o p p i n g t h e heap
for ( int i=a . s i z e ( ) −1; i >=0; i −− )
{
s t d : : swap ( a [ 0 ] , a [ i ] ) ;
reheap ( a , i , 0 ) ;

216
 }
}

Quicksort

Beobachtung: Das Hauptproblem bei Mergesort war das speicheraufwendige Mischen.

Man könnte es vermeiden, wenn man das Feld so in zwei (möglichst gleichgroße) Teile un-
terteilen könnte, das alle Elemente des linken Teilfelds kleiner oder gleich allen Elementen
des rechten Teilfeldes sind.

Idee: Wähle zufällig“ ein beliebiges Element q ∈ {0, . . . , n − 1} aus, setze Pivot= a[q]
”
und zerlege das Feld so, dass das Eingabefeld folgende Gestalt hat:

Pivotelement

Alle Elemente kleiner Alle Elemente größer als

als Pivotelement Pivotelement

(Elemente gleich a[q] dürfen in linkes oder rechtes Teilfeld eingefügt werden).

Programm: Quicksort mit STL ([Link])

template <c l a s s C>

int q s p a r t i t i o n ( C& a , int l , int r , int q )
{
s t d : : swap ( a [ q ] , a [ r ] ) ;
q = r; // P i v o t i s t j e t z t ganz r e c h t s
int i = l − 1 , j = r ;

while ( i < j )
{
i = i + 1 ; while ( i < j && a [ i ] <= a [ q ] ) i = i + 1 ;
j = j − 1 ; while ( i < j && a [ j ] >= a [ q ] ) j = j − 1 ;
if ( i < j )
s t d : : swap ( a [ i ] , a [ j ] ) ;
else
s t d : : swap ( a [ i ] , a [ q ] ) ;
}
return i ; // e n d g u e l t i g e P o s i t i o n d e s P i v o t
}

template <c l a s s C>

void q s r e c ( C& a , int l , int r )

217
 {
if ( l < r )
{
int i = q s p a r t i t i o n ( a , l , r , r ) ;
q s r e c ( a , l , i −1 ) ;
q s r e c ( a , i +1, r ) ;
}
}

template <c l a s s C>

void q u i c k s o r t ( C& a ) {
q s r e c ( a , 0 , a . s i z e ( ) −1 ) ;
}

Bemerkung:
• Man kann im allgemeinen nicht garantieren, dass beide Hälften gleich groß sind.
• Im schlimmsten Fall wird das Pivotelement immer so gewählt, dass man ein ein-
elementiges Teilfeld und den Rest als Zerlegung erhält. Dann hat Quicksort den
Aufwand O(n2 ).
• Im besten Fall ist die Zahl der Vergleiche so gut wie Mergesort.
• Im Mittel“ erhält man in führender Ordnung 1.386 n ld n Vergleiche.
”
• Auch Quicksort ist nicht stabil.
• Praktisch wählt man oft drei Elemente zufällig aus und wählt das mittlere. Damit
wird Quicksort ein randomisierter Algorithmus.
• Die Wahrscheinlichkeit den O(n2 ) Fall zu erhalten ist bei zufälliger Pivotwahl 1/n!.

Anwendung

Mit folgendem Programm kann man die verschiedenen Sortierverfahren ausprobieren:

Programm: [Link]

#include <i o s t r e a m >

#include <v e c t o r >
#include ” Bubblesort . cc ”
#include ” S e l e c t i o n s o r t . cc ”
#include ” I n s e r t i o n s o r t . cc ”
#include ” Mergesort . cc ”
#include ” Heapsort . c c ”
#include ” Quicksort . cc ”
#include ” Z u f a l l . cc ”
#include ” timestamp . c c ”

void i n i t i a l i z e ( s t d : : v e c t o r <int>& a )
{
Z u f a l l z ( 8267 ) ;

218
 for ( int i =0; i <a . s i z e ( ) ; ++i )
a [ i ] = z . ziehe zahl () ;
}

int main ( )
{
int n = 1 0 0 0 0 0 ;
s t d : : v e c t o r <int> a ( n ) ;

initialize ( a );
time stamp ( ) ;
quicksort ( a ) ;
s t d : : c o u t << ”n=” << n << ” q u i c k s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;

initialize ( a );
time stamp ( ) ;
mergesort ( a ) ;
s t d : : c o u t << ”n=” << n << ” m e r g e s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;

initialize ( a );
time stamp ( ) ;
heapsort ( a ) ;
s t d : : c o u t << ”n=” << n << ” h e a p s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;

initialize ( a );
time stamp ( ) ;
bubblesort ( a ) ;
s t d : : c o u t << ”n=” << n << ” b u b b l e s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;

initialize ( a );
time stamp ( ) ;
insertionsort ( a ) ;
s t d : : c o u t << ”n=” << n << ” i n s e r t i o n s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;

initialize ( a );
time stamp ( ) ;
selectionsort ( a ) ;
s t d : : c o u t << ”n=” << n << ” s e l e c t i o n s o r t t=”
<< time stamp ( ) << s t d : : e n d l ;
}

219
13.4 Suchen
Binäre Suche in einem Feld

Idee: In einem sortierten Feld kann man Elemente durch sukzessives Halbieren schnell
finden.

Bemerkung:
• Aufwand: in jedem Schritt wird die Länge des Suchbereichs halbiert. Der Aufwand
beträgt daher dld(n)e Vergleiche, denn dann kann man nicht weiter halbieren. An-
schließend braucht man noch einen Vergleich, um zu prüfen, ob das Element das
Gesuchte ist. ⇒ dld(n)e + 1 Vergleiche.
• Die binäre Suche ermöglicht also auch die Aussage, dass ein Element nicht enthalten
ist!

Programm: Nicht-rekursive Formulierung ([Link])

template <c l a s s C>

int b i n s e a r c h ( C& a , typename C : : v a l u e t y p e x )
{ // r e t u r n s e i t h e r i n d e x ( i f found ) or −1
int l = 0 ;
int r = a . s i z e ( ) ;
while ( 1 )
{
int m = ( l + r ) / 2 ;
i f ( m == l )
return ( a [m] == x ) ? m : −1;
i f ( x < a [m] )
r = m;
else
l = m;
}
}

Bemerkung:
• Die binäre Suche beschleunigt nur das Finden.
• Einfügen und Löschen haben weiterhin Aufwand O(n), da Feldelemente verschoben
werden müssen.
• Binäre Suche geht auch nicht mit einer Liste (kein wahlfreier Zugriff).

Binäre Suchbäume

Beobachtung: Die binäre Suche im Feld kann als Suche in einem binären Suchbaum
interpretiert werden (der aber in einem Feld abgespeichert wurde).

220
Idee: Die Verwendung einer echten Baum-Datenstruktur kann schnelles Einfügen und
Entfernen von Knoten ermöglichen.

Definition: Ein binärer Suchbaum ist ein binärer Baum, in dessen Knoten Schlüssel
abgespeichert sind und für den die Suchbaumeigenschaft gilt:
Der Schlüssel in jedem Knoten ist größer gleich allen Schlüsseln im linken
Teilbaum und kleiner als alle Schlüssel im rechten Teilbaum (Variante 1).

Bemerkung: Der Aufwand einer Suche entspricht der Höhe des Baumes.
Variante 1

23
x <=23 x >23

18 42

10 23 40 45
D23 D45

10 18 40 42
D10 D18 D40 D42

• Innere Knoten enthalten nur Schlüssel

• (Verweise auf) Datensätze sind in den Blättern des Baumes gespeichert.
Variante 2 Man speichert Schlüssel und Datensatz genau einmal in einem Knoten:

x =23
23
x <23 x >23

18 42

10 40 45

Bemerkung: Innere Knoten unterscheiden sich von Blättern dann nur noch durch das
Vorhandensein von Kindern.

221
Die Suchalgorithmen unterscheiden sich leicht:
Variante 1: Am Blatt prüfe Schlüssel; innerer Knoten: bei ≤ gehe links, sonst rechts.
Innere Knoten haben immer zwei Kinder!
Variante 2: Prüfe Schlüssel; Falls Kind links existiert und Schlüssel < gehe links; falls
Kind rechts existiert und Schlüssel > gehe rechts; sonst nicht gefunden.

Einfügen Das Einfügen (in Variante 2) geschieht, indem man durch den Baum bis zu
einem Knoten läuft, wo man den Datensatz/Schlüssel einfügen kann.
Beispiel: Einfügen von 20 im Baum auf der letzten Folie. Diese wird rechts unter der 18
eingefügt. Wo wird die 41 eingefügt?
Das Löschen ist etwas komplizierter, weil verschiedene Situationen unterschiedlich behan-
delt werden müssen.

Löschen eines Blattes (Variante 2) → einfach wegnehmen

Löschen eines Knotens mit einem Kind (Variante 2) Der Knoten kann einfach her-
ausgenommen werden.

ku < kv < kw w
kw
w
v kw
kv
u
ku
u
ku

Löschen eines Knotens mit zwei Kindern (Variante 2) Schlüssel kv soll gelöscht wer-
den. Betrachte ku : kleinster Schlüssel im rechten Teilbaum von v.
Behauptung: u hat höchstens einen rechten Teilbaum (also keine zwei Kinder)! Das ist
klar, denn hätte u einen linken Teilbaum so wären die Schlüssel dort kleiner als ku und
somit wäre ku nicht der minimale Schlüssel rechts von v.

222
Vorgehensweise:
• ersetze kv durch ku und lösche Knoten u (dies ist einfach, da der keine zwei Kinder
hat).
• Suchbaumeigenschaft in v bleibt erhalten: Alle rechts verbleibenden Knoten haben
Schlüssel größer als ku , da ku minimal war. Alle links verbleibenden Schlüssel waren
ohnehin kleiner.

v v
kv ku

kw kw

ku ky

ky

Problem: Die Gestalt des Suchbaumes und damit der Aufwand für seine Bearbei-
tung hängt entscheidend von der Reihenfolge des Einfügens (und eventuell Löschens)
der Schlüssel ab!

Beispiel:

4, 2, 1, 3, 6, 5, 7
4 1 1, 2, 3, 4, 5, 6, 7

2
2 6
3

1 3 5 7 4

Der rechte Binärbaum entspricht im wesentlichen einer Listenstruktur! Der Aufwand zur
Suche ist entsprechend O(n).

Ausgeglichene Bäume

223
Beobachtung: Um optimale Effizienz zu gewährleisten, müssen sowohl Einfüge- als auch
Löschoperation im Suchbaum sicherstellen, dass für die Höhe H(n) = O(log n) gilt. Dies
kann auf verschiedene Weisen erreicht werden.
AVL-Bäume
Die AVL-Bäume wurden 1962 von Adelson-Velskii-Landis eingeführt. Es sind Binärbäume,
die garantieren, dass sich die Höhen von rechtem und linken Teilbaum ihrer Knoten ma-
ximal um 1 unterscheiden (Höhenbalancierung).
(2,3)-Baum
Der (2,3)-Baum wurde 1970 von Hopcroft eingeführt. Er ist ein Spezialfall des später
besprochenen (a,b)-Baums. Die Idee ist, mehr Schlüssel/Kinder pro Knoten zuzulassen.
B-Bäume
B-Bäume wurden 1970 von Bayer und McCreight eingeführt. Der B-Baum der Ordnung m
ist gleich dem (a, b)-Baum mit a = d m2 e, b = m. Hier haben Knoten bis zu m Kinder. Für
großes m führt das zu sehr flachen Bäumen. Der B-Baum wird oft zur Suche in externem
Speicher verwendet. Dabei ist m die Anzahl der Schlüssel, die in einen Sektor der Platte
passen (z. B. Sektorgröße 512 Byte, Schlüssel 4 Byte ⇒ m=128).
α-balancierter Baum
α-balancierte Bäume wurden um 1973 von Nievergelt und Reingold eingeführt. Idee: Die
Größe |T (v)| des Baums am Knoten v und des rechten (oder linken) Teilbaums |Tl (v)|
erfüllen
|Tl (v)| + 1
α≤ ≤1−α
|T (v)| + 1
Dies garantiert wieder H = O(log n).
Rot-Schwarz-Bäume
Rot-Schwarz-Bäume wurden 1978 von Bayer, Guibas, Sedgewick eingeführt. Hier haben
Knoten verschiedene Farben“. Die Einfüge- und Löschoperationen erhalten dann gewisse
”
Anforderungen an die Farbreihenfolge, welche wieder H = O(log n) garantieren. Man kann
auch eine Äquivalenz zum (2,4)-Baum zeigen.
(a,b)-Bäume
(a,b)-Bäume wurden 1982 von Huddleston und Mehlhorn als Verallgemeinerung der B-
Bäume und des (2,3)-Baums eingeführt. Alle inneren Knoten haben hier mindestens a
und höchstens b Kinder für a ≥ 2 und b ≥ 2a − 1. Außerdem befinden sich alle Blätter
auf der gleichen Stufe. Dies garantiert dann wieder H = O(log n).

(a, b)-Bäume (Mehlhorn 1982)

Der (a, b)-Baum stellt eine Erweiterung des binären Baumes auf viele Schlüssel pro Knoten
dar:
• Jeder innere Knoten enthält Schlüssel
• Blätter enthalten Datensätze (Variante 1 oben)

224
 k1 k2 ... ki−1 ki ... km−1
Allgemeiner innerer
Knoten

T1 T2 Ti−1 Ti Tm−1 Tm

• höherer Verzweigungsgrad: Ein Knoten hat bis zu m Kinder und m − 1 Schlüssel

• alle Schlüssel sind sortiert: k1 < k2 < k3 < · · · < km−1
• für alle Schlüssel k im Teilbaum Ti , 1 ≤ i ≤ m, gilt: ki−1 < k ≤ ki (setze k0 =
−∞, km = ∞)
Ein Baum aus solchen Knoten heißt (a, b)-Baum, falls gilt:
• alle Blätter sind auf derselben Stufe
• jeder innere Knoten hat maximal b Kinder und für die minimale Zahl der Kinder
innerer Knoten gilt
– Wurzel hat mindestens 2 Kinder
– andere haben mindestens a ≥ 2 Kinder
• Es gilt: b ≥ 2a − 1

z. B. a = 2,b = 3 minimaler (a, b)-Baum (Hopcroft 1970)

a = 2,b = 4 (2, 4)-Baum⇐⇒rot-schwarz-Baum
a = d m2 e, b = m B-Baum, zur Suche in externem Speicher
⇒ m Anzahl der Schlüssel, die in einen Sektor der Platte passen
z. B. Sektorgröße 512 Byte, Schlüssel 4 Byte ⇒ b=128
⇒sehr breite, flache Bäume

Einfügen in (a,b)-Baum Schritt 1: Suche Schlüssel x. Falls x noch nicht drin ist, wird
die Einfügeposition für x gefunden:
w = Vater (v) w1 w wj−1 wj wm−1
2

x
v1 v2 ... vi−1 vi ... vm−1

v1 v2 vi−1 vi vm
x

Schritt 2: Füge x in v ein. v ist ein Knoten, dessen Kinder Blätter sind.

225
 v1 v2 ... vi−1 x vi ... vm−1

v1 v2 vi−1 x vi vm

Es ergeben sich nun zwei Fälle:

• m + 1 ≤ b ⇒ fertig!
• m + 1 = b + 1 (d. h. vorher war m = b) ⇒ Schritt 3
Schritt 3: Es war m = b in v. Nenne den neu entstandenen Knoten y. Dieser hat entspre-
chend zunächst b + 1 Kinder, das ist verboten.
• Spalte y in zwei Knoten: y, y 0
• y behält a Kinder
• y 0 erhält b + 1 − a ≥ (2a − 1) + 1 − a = a ⇒ d. h. y 0 hat min. a Kinder

ya als neuer Schlüssel in Knoten w

alle Schlüssel <= ya ya alle Schlüssel > ya

y: y1 y2 ... ya−1 y’: ya+1 ya+2 ... ym

y1 ya ya+1 ym+1

Schritt 4: Fahre rekursiv bis zur Wurzel fort (falls nötig)

Schritt 5: Nach (eventuell notwendigem) Splitten der Wurzel erhält man eine neue Wurzel
mit zwei Kindern.

Bemerkung: Das Löschen eines Schlüssels verläuft analog in umgekehrter Reihenfolge.

226
Implementation von (a,b)-Bäumen

Als Beispiel geben wir mit dem folgenden Programm eine mögliche Implementation von
(a,b)-Bäumen an.
Programm: ([Link])

#include <s e t >

#include <i o s t r e a m >
#include <v e c t o r >
#include <c a s s e r t >
using namespace s t d ;

const int m = 2 ; // B−t r e e o f o r d e r m

const int a = m; // minimal number o f k e y s
const int b = 2 ∗ m; // maximal number o f k e y s

template <c l a s s T>

struct Node
{
// d a t a
v e c t o r <T> k e y s ;
v e c t o r <Node ∗> c h i l d r e n ;
Node∗ p a r e n t ;
// i n t e r f a c e
Node ( Node∗ p ) { p a r e n t = p ; }
bool i s l e a f ( ) { return c h i l d r e n . s i z e ( ) == 0 ; }
Node∗ r o o t ( ) { return ( p a r e n t == 0 ) ? t h i s : parent −>r o o t ( ) ; }
Node∗ f i n d n o d e ( T item ) ;
int f i n d p o s ( T item ) ;
bool e q u a l s i t e m ( int pos , T item ) ;
};

// f i n d s f i r s t p o s i t i o n i such t h a t k e y s [ i ] >= item

template <c l a s s T>
int Node<T> : : f i n d p o s ( T item )
{
int i = 0 ;
while ( ( i < k e y s . s i z e ( ) ) && ( k e y s [ i ] < item ) ) i ++;
return i ;
}

// c h e c k s i f t h e key a t p o s i t i o n pos c o n t a i n s item

template <c l a s s T>
bool Node<T> : : e q u a l s i t e m ( int pos , T item )
{
return ( pos < k e y s . s i z e ( ) ) && ! ( item < k e y s [ pos ] ) ;
}

// f i n d s t h e node i n which t h e item s h o u l d be s t o r e d

template <c l a s s T>

227
Node<T>∗ Node<T> : : f i n d n o d e ( T item )
{
i f ( i s l e a f ( ) ) return t h i s ;
int pos = f i n d p o s ( item ) ;
i f ( e q u a l s i t e m ( pos , item ) )
return t h i s ;
else
return c h i l d r e n [ pos]−> f i n d n o d e ( item ) ;
}

template <c l a s s VEC>

VEC s u b s e q ( VEC vec , int s t a r t , int end )
{
int s i z e = ( vec . s i z e ( ) == 0 ) ? 0 : end − s t a r t ;
VEC r e s u l t ( s i z e ) ;
for ( int i = 0 ; i <s i z e ; i++ )
r e s u l t [ i ] = vec [ i + s t a r t ] ;
return r e s u l t ;
}

// i f n e c e s s a r y , s p l i t t h e node . Returns 0 or a new r o o t

template <c l a s s T>
Node<T>∗ b a l a n c e ( Node<T>∗ node )
{
int n = node−>k e y s . s i z e ( ) ;
i f ( n <= b ) return 0 ;
T median = node−>k e y s [ a ] ;
// c r e a t e a new node
Node<T>∗ node2 = new Node<T>( node−>p a r e n t ) ;
node2−>k e y s = s u b s e q ( node−>keys , a+1,
node−>k e y s . s i z e ( ) ) ;
node2−>c h i l d r e n = s u b s e q ( node−>c h i l d r e n , a+1,
node−>c h i l d r e n . s i z e ( ) ) ;
for ( int i =0; i <node2−>c h i l d r e n . s i z e ( ) ; i++ )
node2−>c h i l d r e n [ i ]−> p a r e n t = node2 ;
// h a n d l e node
node−>k e y s = s u b s e q ( node−>keys , 0 , a ) ;
node−>c h i l d r e n = s u b s e q ( node−>c h i l d r e n , 0 , a+1 ) ;

Node<T>∗ p a r e n t = node−>p a r e n t ;
i f ( p a r e n t == 0 ) // s p l i t t h e r o o t !
{
Node<T>∗ r o o t = new Node<T>( 0 ) ;
r o o t −>k e y s . push back ( median ) ;
r o o t −>c h i l d r e n . push back ( node ) ;
r o o t −>c h i l d r e n . push back ( node2 ) ;
node−>p a r e n t = r o o t ;
node2−>p a r e n t = r o o t ;
return r o o t ;
}

228
 // o t h e r w i s e : i n s e r t i n p a r e n t
int pos = 0 ;
while ( parent −>c h i l d r e n [ pos ] != node ) pos++;
parent −>k e y s . i n s e r t ( parent −>k e y s . b e g i n ( ) + pos , median ) ;
parent −>c h i l d r e n . i n s e r t ( parent −>c h i l d r e n . b e g i n ( )+pos +1, node2 ) ;
// r e c u r s i v e c a l l ;
return b a l a n c e ( p a r e n t ) ;
}

template <c l a s s T>

void show ( Node<T> ∗ node )
{
c o u t << node << ” : ” ;
i f ( node−>c h i l d r e n . s i z e ( ) > 0 )
{
c o u t << node−>c h i l d r e n [ 0 ] ;
for ( int i =0; i <node−>k e y s . s i z e ( ) ; i++ )
c o u t << ” | ” << node−>k e y s [ i ] << ” | ”
<< node−>c h i l d r e n [ i + 1 ] ;
}
else
for ( int i =0; i <node−>k e y s . s i z e ( ) ; i++ )
c o u t << node−>k e y s [ i ] << ” ” ;
c o u t << e n d l ;
for ( int i =0; i <node−>c h i l d r e n . s i z e ( ) ; i++ )
show ( node−>c h i l d r e n [ i ] ) ;
}

// we c o u l d work w i t h a r o o t p o i n t e r , b u t f o r l a t e r use i t i s
// b e t t e r t o wrap i t i n t o a c l a s s

template <c l a s s T>

c l a s s abTree
{
public :
abTree ( ) { r o o t = new Node<T>( 0 ) ; }
void i n s e r t ( T item ) ;
bool f i n d ( T item ) ;
void show ( ) { : : show ( r o o t ) ; }
private :
Node<T>∗ r o o t ;
};

template <c l a s s T>

void abTree<T> : : i n s e r t ( T item )
{
Node<T>∗ node = r o o t −>f i n d n o d e ( item ) ;
int i = node−>f i n d p o s ( item ) ;
i f ( node−>e q u a l s i t e m ( i , item ) )
node−>k e y s [ i ] = item ;

229
 else
{
node−>k e y s . i n s e r t ( node−>k e y s . b e g i n ( )+i , item ) ;
Node<T>∗ n e w r o o t = b a l a n c e ( node ) ;
i f ( new root ) root = new root ;
}
}

template <c l a s s T>

bool abTree<T> : : f i n d ( T item )
{
Node<T>∗ node = r o o t −>f i n d n o d e ( item ) ;
int i = node−>f i n d p o s ( item ) ;
return node−>e q u a l s i t e m ( i , item ) ;
}

int main ( )
{
abTree<int> t r e e ;
// i n s e r t i o n demo
for ( int i =0; i <5; i++ )
{
tree . insert ( i ) ;
t r e e . show ( ) ;
}
// t e s t i n g i n s e r t i o n and r e t r i e v a l
int n = 1 0 ;
for ( int i =0; i <n ; i++ )
tree . insert ( i ∗ i ) ;
c o u t << e n d l ;
t r e e . show ( ) ;
for ( int i =0; i <2∗n ; i++ )
c o u t << i << ” ” << t r e e . f i n d ( i ) << e n d l ;
// performance t e s t
// abTree<i n t > s e t ;
s e t <int> s e t ; // s h o u l d be f a s t e r
int nn = 1 0 0 0 0 0 0 ;
for ( int i =0; i <nn ; i++ )
set . insert ( i ∗ i ) ;
for ( int i =0; i <nn ; i++ )
set . find ( i ∗ i ) ;
}

Bemerkung:
• Die Datensätze sind in allen Knoten gespeichert (Variante 2).
• Die Einfüge-Operation spaltet Knoten auf, wenn sie zu groß werden (mehr als b
Schlüssel).
• Die Lösch-Operation ist nicht implementiert. Hier müssen Knoten vereinigt werden,
wenn sie weniger als a Schlüssel enthalten.

230
 • Die Effizienz ist zwar nicht schlecht, kommt aber nicht an die Effizienz der set-
Implementation der STL heran. Ein wesentlicher Grund dafür ist die Verwendung
variabel langer Vektoren zum Speichern von Schlüsseln und Kindern.

Literatur

Für eine weitergehende Darstellung von ausgeglichenen Bäumen sei auf das Buch Grund-
”
legende Algorithmen“ von Heun verwiesen. Noch mehr Informationen findet man im Buch
Introduction to Algorithms“ von Cormen, Leiserson, Rivest und Stein.
”
Bzw. besuchen Sie die Vorlesung ,,Algorithmen und Datenstrukturen”.

14 Beispiel: Logiksimulator
Zum Abschluss wollen wir ein größeres, zusammenhängendes Beispiel behandeln: Die Si-
mulation von digitalen Schaltungen.

14.1 Simulation komplexer Systeme

Ein Computer ist ein komplexes System, das auf verschiedenen Skalen modelliert werden
kann.
Prozessor

Register
ALU Aufbau aus Baugruppen: Prozessor, Speicher, Busse, Caches,
Aufbau der Prozessoren aus Registern, ALU, usw.

Speicher

Aufbau aus logischen Grundelementen: Und-Gatter, Oder-

Gatter, Nand-Gatter, . . .
Zu jeder Zeit gibt es zwei mögliche Zustände auf jeder Lei-
tung: high und low. Modellierung durch boolsche Ausdrücke,
zeitdiskrete, ereignisgesteuerte Simulation.

231
 +5V
C
Die Gatter können wiederum aus Transistoren aufgebaut wer-
den.
A Spannungsverlauf an einem Punkt kontinuierlich. Modellierung
durch Systeme gewöhnlicher Differentialgleichungen.
B
Oder-Gatter

Aufbau eines Chips durch Schichten unterschiedlich dotierter

Halbleiter.
Modellierung der Ladungsdichtenverteilung durch partielle Dif-
ferentialgleichungen.

Wir beschäftigen uns hier mit der Modellierung und Simulation auf der Gatterebene.

14.2 Grundbausteine digitaler Schaltungen

Schaltungen auf der Logikebene sind aus digitalen Grundelementen aufgebaut.
Die logischen Grundelemente besitzen einen oder mehrere Eingänge, sowie einen Aus-
gang.
Digital bedeutet, dass an einem Ein- bzw. Ausgang nur zwei verschiedene Spannungswerte
vorkommen können: high bzw. 1 oder low bzw. 0.
In Abhängigkeit der Belegung der Eingänge liefert der Baustein einen bestimmten Aus-
gangswert.
Hier sind die Grundschaltungen mit ihren Wahrheitstabellen:

232
 a b c
a
1 1 1
And c
1 0 0
b 0 1 0
0 0 0

a b c
a
1 1 0
Nand c 1 0 1
b 0 1 1
0 0 1

a b c
a
1 1 1
Or c 1 0 1
b 0 1 1
0 0 0

a b c
a
1 1 0
Nor c 1 0 0
b 0 1 0
0 0 1

a b c
a
1 1 0
Exor c
1 0 1
b 0 1 1
0 0 0

a b
1 0
Inverter a b 0 1

Bemerkung: Durch Kombination mehrerer Nand-Gatter können alle anderen Gatter rea-
lisieriert werden.

14.3 Reale Gatter

Die digitalen Grundbausteine werden durch elektronische Schaltungen realisiert, die vollständig
auf einem Halbleiterchip aufgebaut sind.
Im Prinzip besteht ein Mikroprozessor aus Millionen solcher Gatter auf einem einzigen
Chip. Da sehr viele Gatter auf einem Chip sind spricht man von very large scale integration
(VLSI).
Es gibt aber auch einzelne (oder wenige) Gatter auf einem Chip, man spricht von small
scale integration (SSI).

233
Bei den realen Gattern unterscheidet man verschiedene Schaltungsfamilien. Bausteine
gleicher Familien können untereinander beliebig verschaltet werden, bei Bausteinen un-
terschiedlicher Familien ist dies nicht unbedingt möglich.
Eine der bekanntesten Familien digitaler Schaltglieder ist TTL (transistor-transistor lo-
gic). In einem Plastikgehäuse ist der Chip mit den Anschlüssen untergebracht.
So enthält der Baustein mit der Nummer 7400 vier Nand-Gatter:

Bei TTL entspricht der logische Wert high einer Spannung von 2 . . . 5 Volt, der Wert low
0 . . . 0.4 Volt.
Die Bausteine haben ausserdem ein dynamisches Verhalten, d. h. eine Änderung der Ein-
gangsspannung macht sich erst mit einer gewissen Verzögerung am Ausgang bemerkbar:

a
a
c b
b
c

6ns Zeit

14.4 Schaltnetze
Ein digitales Schaltnetz ist eine Verknüpfung von logischen Grundelementen mit n Eingängen
und m Ausgängen, wobei die Belegung der Ausgänge nur eine Funktion der Eingänge ist
(abgesehen von der Verzögerung).
Ein Schaltnetz hat kein Gedächtnis, die Belegung der Ausgänge hängt nicht von früheren
Belegungen der Eingänge ab.
Als Beispiel betrachten wir die Addition von Binärzahlen:

234
 A3-A0 0 1 1 1 0
B3-B0 0 0 1 1 1
Übertrag 1 1 1
Ergebnis 1 0 1 0 1

Halbaddierer: Addiert eine Binärstelle ohne Volladdierer: Addiert eine Binärstelle mit
Übertrag. Übertrag.

A B A B C
Wahrheits- C A B S Ü
tabelle A B

1 1 1 1 1
A B S Ü 1 1 0 0 1
HA

Ü S
1 0 1 0 1
1 1 0 1 1 0 0 1 0
1 0 1 0 A B 0 1 1 0 1
0 1 1 0 0 1 0 1 0
0 0 1 1 0
0 0 0 0 0 0 0 0 0
HA
HA Ü S

VA
gerade mehr als
Ü S Zahl eine
von Eins?
Einsen?
Ü S

4-Bit-Addierer mit durchlaufendem Übertrag

B3 A3 B2 A2 B1 A1 B0 A0
A B C A B C A B C A B C 0

A B A B A B A B

HA HA HA HA

Ü S Ü S Ü S Ü S

A B A B A B A B

HA HA HA HA

Ü S Ü S Ü S Ü S

VA VA VA VA

Ü S Ü S Ü S Ü S

Ü S3 S2 S1 S0

14.5 Schaltwerke
Ein digitales Schaltwerk ist eine Verknüpfung von Grundbausteinen mit n Eingängen und
m Ausgängen, deren Belegung der Ausgänge von den Eingängen und internen Zuständen

235
abhängt.
Die internen Zustände ergeben sich aus früheren Belegungen der Eingänge.
Wir betrachten als simpelstes Beispiel ein SR-Flipflop aus zwei Nor-Gattern:

SR-Flipflop
Nor-Gatter
S S R Zust Q Q Zust
a b c
Q
1 1 0 1 1 - 0 0 G
1 0 0 0 1 G 1 0 I
0 1 0 0 0 I 1 0 I
0 0 1 1 0 I 0 1 II
Q 1 0 G 0 1 II
R 0 0 II 0 1 II
0 1 II 1 0 I

Die Eingangskombination S = 0, R = 0 hat verschiedene Ausgangsbelegungen zur Folge,

je nach dem welche Signale vorher anlagen!
Bei zwei Ausgängen gibt es vier mögliche Kombinationen.
Die Kombination Q = 1, Q̄ = 1 ist nicht möglich, da eine 1 am Ausgang eines Nor-Gatters
zweimal 0 am Eingang braucht, und das ist ein Widerspruch.
Die verbleibenden drei Zustände sind G (Q = 0, Q̄ = 0), I (Q = 1, Q̄ = 0) und II (Q = 0,
Q̄ = 1) aus der Tabelle oben.
Aus der Tabelle oben erhalten wir das folgende Zustandsübergangsdiagramm:

11

G 11
11
01 10
00,01 00,10
00
I II
01
10

Weitere Varianten von Flipflops können dazu benutzt werden um Speicher oder Zähler zu
bauen.

14.6 Der Simulator

Die Zeit, die eine bestimmte Operation im Rechner benötigt, bestimmt sich aus den
Gatterlaufzeiten der Schaltung die die Operation realisiert (siehe z. B. Addierer).

236
Der Schaltungsdesigner muss überprüfen ob die Schaltung in der Lage ist, die geforderte
Operation innerhalb einer bestimmten Zeit (Takt) zu berechnen.
Dazu benutzt er einen Logiksimulator, der die Schaltung im Rechner nachbildet und
simuliert. Er kann damit die Logikpegel an jedem Punkt der Schaltung über die Zeit
verfolgen.
Die offensichtlichen Objekte in unserem System sind:
• Logische Grundbausteine mit ihrem Ein-/Ausgabeverhalten und Verzögerungszeit.
• Drähte, die Aus- und Eingänge der Gatter miteinander verbinden.
Eine andere Sache ist nicht sofort offensichtlich:
• In der Realität arbeiten alle Gatter simultan und unabhängig voneinander.
• In einem C++ Programm wird zu einer Zeit die Methode genau eines Objektes
(=Gatter) ausgeführt. In welcher Reihenfolge sollen dann die Objekte bearbeitet
werden?
• Wenn sich am Eingang eines Gatters nichts ändert, so ändert sich auch am Ausgang
nichts. Um Arbeit zu sparen sollte also nur dort gearbeitet werden wo sich etwas
”
tut“.
Die Problematik löst man dadurch, dass man Ereignisse, wie etwa

Eingang 1 von Gatter x geht in den Zustand high“

”
einführt. Das Eintreten eines Ereignisses löst dann wieder weitere Ereignisse bei anderen
Objekten (Drähten oder Gattern) aus.
Die Koordination der Ereignisse wird von einem Objekt der Klasse Simulator übernommen.
Diese Art der Simulation bezeichnet man auch als ereignisgesteuerte Simulation (discrete
event simulation).
Die Simulation als Ganzes gliedert sich in zwei Abschnitte:
• Eine Aufbauphase, in der wir die zu simulierende Logikschaltung definieren:
– Es werden Bausteine erzeugt. Alle Bausteine werden von der Schnittstellen-
klasse Circuit abgeleitet.
– Die Verbindungsdrähte sind vom Typ Wire (eine konkrete Klasse). Drähte
sind Punkt-zu-Punkt Verbindungen. Der Eingang eines Drahtes wird an den
Ausgang eines Bausteins und der Ausgang eines Drahtes an den Eingang eines
Bausteins angeschloßen. Verzweigungen werden durch einen speziellen Baustein
(mit einem Eingang und zwei Ausgängen) realisiert.
• Die eigentliche Simulation. In der Aufbauphase werden erste Ereignisse generiert,
die dann die weiteren Ereignisse auslösen.
Die Simulationsphase geht in diskreten Zeitschritten vor und wird von einem Objekt
der Klasse Simulator koordiniert.
Die Klasse Simulator definiert eine globale Zeit tSim ∈ N. Die Simulation beginnt
zum Zeitpunkt tSim = 0.

237
Betrachten wir die Ereignisse, die zwischen den Objekten ausgetauscht werden:

(B) - Speichert Ereignisse (B), (D)

Speichere Zustandswechsel - Löst (A), (C) später aus
Tripel (w,t,s) (D)
Simulator Baustein will am Ende des
(A) Zeitschrittes neu berechnet
Simulationszeit tSim werden
Gehe jetzt in
den Zustand s (C)
Berechne Ausgänge neu
(E)
Wire Gehe zur Zeit t>=tSim in Z. s
Eingang Ausgänge
Circuit
Zustand q (F)
Ausgang Eingänge
Eingang x geht jetzt
in Zustand s
- Ereignis (A) löst (F) aus - Ereignis (C) löst (E) aus
- Erignis (E) löst (B) aus - Ereignis (F) löst (D) oder (E) aus

Der Algorithmus für den Simulator lautet damit:

tSim = 0
Solange tSim ≤ tEnd
• ∀ gespeicherten Zustandswechsel (w, t, s) mit t = tSim : löse (A) aus.
• ∀ Bausteine deren Eingang sich im Zeitschritt tSim geändert hat: Berechne Baustein
neu.
• tSim = tSim + 1

Draht

Die Klassendefinition für den Draht:

// m o e g l i c h e Z u s t a e n d e
enum S t a t e { low , high , unknown } ;

c l a s s Wire
{
public :
// Draht im Zustand unknown e r z e u g e n
Wire ( ) ;

// a k t u e l l e n Zustand a u s l e s e n
State GetState ( ) ;

// (E) : Zur Z e i t t s o l l Zustand s werden

void ChangeState ( int t , S t a t e s ) ;

// (A) : w e c h s l e j e t z t i n neuen Zustand

void Action ( S t a t e s ) ;

238
 // Eingang d e s D r a h t e s an Ausgang i d e s B a u s t e i n s c
// a n s c h l i e s s e n
void ConnectInput ( C i r c u i t& c i r , int i ) ;

// Ausgang d e s D r a h t e s an Eingang i d e s B a u s t e i n s c
// a n s c h l i e s s e n
void ConnectOutput ( C i r c u i t& c i r , int i ) ;

private :
State q ; // d e r Zustand
Circuit ∗ c ; // B a u s t e i n am Ausgang d e s D r a h t e s
int p i n ; // p i n d e s B a u s t e i n s
};

Der Zustand kann auch unbekannt sein, um feststellen zu können, ob die Schaltung korrekt
initialisiert wird.
Der Konstruktor erzeugt den Draht im Zustand unknown.
Die nächsten drei Methoden werden in der Simulationsphase verwendet.
Die letzten beiden Methoden werden in der Aufbauphase verwendet. Der Draht merkt
sich an Baustein und Eingang des Bausteins an den er angeschlossen wurde.
. . . und die Implementierung der Methoden

Wire : : Wire ( )
{
// I n i t i a l i s i e r e mit unbekanntem Zustand
q = unknown ;
}

i n l i n e S t a t e Wire : : G e t S t a t e ( )
{
return q ;
}

void Wire : : ChangeState ( int t , S t a t e s )

{
Sim . StoreWireEvent ( ∗ this , t , s ) ;
}

void Wire : : Action ( S t a t e s )

{
i f ( s == q ) return ; // n i x zu tun
q = s; // neuer Zustand
// N a c h r i c h t an a n g e s c h l o s s e n B a u s t e i n
c−>ChangeInput ( q , p i n ) ;
}

void Wire : : ConnectInput ( C i r c u i t& c i r , int i )

{

239
 // Merke NICHT an wen i c h a n g e s c h l o s s e n b i n
// a b e r B a u s t e i n muss mich kennen .
c i r . ConnectOutput ( ∗ this , i ) ;
}

void Wire : : ConnectOutput ( C i r c u i t& c i r , int i )

{
// Merke Baustein , an den d e r Ausgang a n g e s c h l o s s e n i s t
c = &c i r ;
pin = i ;
// R u e c k v e r b i n d u n g B a u s t e i n an Draht
c−>ConnectInput ( ∗ this , p i n ) ;
}

Das Simulatorobjekt Sim ist ein globales Objekt, das alle kennen.
Es gibt nur ein Simulatorobjekt. Wenn es keinen Sinn macht mehr als ein Objekt von
einer Klasse zu instanzieren, nennt man dies ein Singleton.

Bausteine

Die Schnittstellenbasisklasse für Bausteine:

class Circuit
{
public :
// v i r t u a l d e s t r u c t o r
virtual ˜ C i r c u i t ( ) ;

// (F) : Eingang w e c h s e l t Zustand

v i r t u a l void ChangeInput ( S t a t e s , int p i n ) = 0 ;

// (C) : Ausgang neu b e r e c h n e n

v i r t u a l void Action ( ) = 0 ;

// v e r d r a h t e Eingang
v i r t u a l void ConnectInput ( Wire& w, int p i n ) = 0 ;

// v e r d r a h t e Ausgang
v i r t u a l void ConnectOutput ( Wire& w, int p i n ) = 0 ;
};

C i r c u i t : : ˜ C i r c u i t ( ) {}

Die Connect...-Funktionen werden von der entsprechenden Funktion der Klasse Wire
aufgerufen.
. . . und die zur Zeit existierenden abgeleiteten Klassen

240
 Circuit

Nand And Or Nor Exor Inverter Adder4Bit

FullAdder
Verzweigung Fork
1E, 2A hierarchischer
Terminal HalfAdder Aufbau aus anderen
Wert an Draht Bausteinen
ausgeben 1A Analyzer
Werte auf Shell Clock
ausgeben nE Taktgenerator
mit vorgebbarer Rate 1A

Hier die abgeleitete Klasse für das Nand-Gatter:

c l a s s Nand : public C i r c u i t
{
public :
// K o n s t r u k t o r
Nand ( ) ;

// d e f a u l t d e s t r u c t o r i s t OK
˜Nand ( ) ;

// Eingang w e c h s e l t z u r a k t u e l l e n Z e i t den Zustand

v i r t u a l void ChangeInput ( S t a t e s , int p i n ) ;

// b e r e c h n e G a t t e r neu und b e n a c h r i c h t i g e Draht

// am Ausgang
v i r t u a l void Action ( ) ;

// v e r d r a h t e Eingang
v i r t u a l void ConnectInput ( Wire& w, int p i n ) ;

// v e r d r a h t e Ausgang
v i r t u a l void ConnectOutput ( Wire& w, int p i n ) ;

private :
Wire ∗ a ; // Eingang 1
Wire ∗ b ; // Eingang 2
Wire ∗ c ; // Ausgang
bool a c t i o n F l a g ; // merke ob b e r e i t s a k t i v i e r t
};

Das Gatter merkt sich, welche Drähte an Ein- und Ausgängen angeschlossen sind.
und die Methoden des Nand-Gatters:

Nand : : Nand ( )
{
a = b = c = 0 ; // n i x a n g s c h l o s s e n

241
 actionFlag = false ;
}

Nand : : ˜ Nand ( ) {}

void Nand : : ChangeInput ( S t a t e s , int p i n )

{
// Sorge d a f u e r , d a s s G a t t e r neu b e r e c h n e t wi rd
i f ( ! actionFlag )
{
Sim . S t o r e C i r c u i t E v e n t ( ∗ t h i s ) ;
a c t i o n F l a g = true ;
}
}

void Nand : : Action ( )

{
// Lese E i n g a n g s s i g n a l e
S t a t e A = a−>G e t S t a t e ( ) ;
S t a t e B = b−>G e t S t a t e ( ) ;
S t a t e Output = unknown ;

// W e r t e t a b e l l e
i f ( A == h i g h && B == h i g h ) Output = low ;
i f ( A == low | | B == low ) Output = h i g h ;

// S e t z e Draht
i f ( c != 0 )
c−>ChangeState ( Sim . GetTime ( ) + 3 , Output ) ;

// e r l a u b e neue Auswertung
actionFlag = false ;
}

void Nand : : ConnectInput ( Wire& w, int p i n )

{
// Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
if ( p i n == 0 ) a = &w ;
if ( p i n == 1 ) b = &w ;
}

void Nand : : ConnectOutput ( Wire& w, int p i n )

{
// Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
c = &w ;
}

Ein zweites Beispiel ist die Verzweigung [Link]:

c l a s s Fork : public C i r c u i t
{

242
 public :
// K o n s t r u k t o r
Fork ( ) ;

// d e f a u l t d e s t r u c t o r i s t OK
˜ Fork ( ) ;

// Eingang w e c h s e l t z u r a k t u e l l e n Z e i t den Zustand

v i r t u a l void ChangeInput ( S t a t e s , int p i n ) ;

// b e r e c h n e G a t t e r neu und b e n a c h r i c h t i g e Draht

// am Ausgang
v i r t u a l void Action ( ) ;

// v e r d r a h t e Eingang
v i r t u a l void ConnectInput ( Wire& w, int p i n ) ;

// v e r d r a h t e Ausgang
v i r t u a l void ConnectOutput ( Wire& w, int p i n ) ;

private :
Wire ∗ a ; // Eingang
Wire ∗ b ; // Ausgang 1
Wire ∗ c ; // Ausgang 2
};

Hier werden sofort Ereignisse bei den Drähten am Ausgang ausgelöst:

Fork : : Fork ( )
{
a = b = c = 0 ; // n i x a n g s c h l o s s e n
}

Fork : : ˜ Fork ( ) {}

void Fork : : ChangeInput ( S t a t e s , int p i n )

{
// L e i t e Eingang SOFORT an b e i d e Ausgaenge w e i t e r
if ( b != 0 ) b−>ChangeState ( Sim . GetTime ( ) , s ) ;
if ( c != 0 ) c−>ChangeState ( Sim . GetTime ( ) , s ) ;
}

void Fork : : Action ( )

{
// n i x zu tun
}

void Fork : : ConnectInput ( Wire& w, int p i n )

{

243
 // Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
a = &w ;
}

void Fork : : ConnectOutput ( Wire& w, int p i n )

{
// Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
if ( p i n == 0 ) b = &w ;
if ( p i n == 1 ) c = &w ;
}

HalfAdder ist ein Beispiel für einen zusammengesetzten Baustein:

c l a s s HalfAdder : public C i r c u i t
{
public :
// K o n s t r u k t o r
HalfAdder ( ) ;

// d e s t r u k t o r
˜ HalfAdder ( ) ;

// Eingang w e c h s e l t z u r a k t u e l l e n Z e i t den Zustand

v i r t u a l void ChangeInput ( S t a t e s , int p i n ) ;

// b e r e c h n e G a t t e r neu und b e n a c h r i c h t i g e Draht

// am Ausgang
v i r t u a l void Action ( ) ;

// v e r d r a h t e Eingang
v i r t u a l void ConnectInput ( Wire& w, int p i n ) ;

// v e r d r a h t e Ausgang
v i r t u a l void ConnectOutput ( Wire& w, int p i n ) ;

private :
Wire w1 , w2 , w3 , w4 , w5 , w6 , w7 ; // l o k a l e Draehte
And A; // Und G a t t e r
Nor N1 , N2 ; // s o w i e z w e i Nor G a t t e r
Fork F1 , F2 , F3 ; // und d r e i Verzweigungen
};

244
 A B
0 1

F1 0 w2
1 w3 0 F2
w1
0 1 w4 1
0 1
A N1
w6
0 w7 w5
F3 0 1
1
N2
HA
1 0
Ü S

. . . und die Methoden:

HalfAdder : : HalfAdder ( )
{
w1 . ConnectInput ( F1 , 1 ) ;
w1 . ConnectOutput ( A, 0 ) ;
w2 . ConnectInput ( F1 , 0 ) ;
w2 . ConnectOutput ( N1 , 0 ) ;
w3 . ConnectInput ( F2 , 0 ) ;
w3 . ConnectOutput ( A, 1 ) ;
w4 . ConnectInput ( F2 , 1 ) ;
w4 . ConnectOutput ( N1 , 1 ) ;
w5 . ConnectInput ( N1 , 0 ) ;
w5 . ConnectOutput ( N2 , 1 ) ;
w6 . ConnectInput ( A, 0 ) ;
w6 . ConnectOutput ( F3 , 0 ) ;
w7 . ConnectInput ( F3 , 0 ) ;
w7 . ConnectOutput ( N2 , 0 ) ;
}

HalfAdder : : ˜ HalfAdder ( ) {}

void HalfAdder : : ChangeInput ( S t a t e s , int p i n )

{
i f ( p i n == 0 ) F1 . ChangeInput ( s , 0 ) ;
i f ( p i n == 1 ) F2 . ChangeInput ( s , 0 ) ;
}

void HalfAdder : : Action ( ) {}

void HalfAdder : : ConnectInput ( Wire& w, int p i n )

245
 {
// Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
i f ( p i n == 0 ) F1 . ConnectInput ( w, 0 ) ;
i f ( p i n == 1 ) F2 . ConnectInput ( w, 0 ) ;
}

void HalfAdder : : ConnectOutput ( Wire& w, int p i n )

{
// Wird von Connect−Funktion d e s D r a h t e s a u f g e r u f e n
if ( p i n == 0 ) N2 . ConnectOutput ( w, 0 ) ;
if ( p i n == 1 ) F3 . ConnectOutput ( w, 1 ) ;
}

Simulator

Schließlich der Simulator

// S i m u l a t o r , S i n g l e t o n
class Simulator
{
public :
// K o n s t r u k t o r
Simulator () ;

// a k t u e l l e Z e i t a u s l e s e n
int GetTime ( ) ;

// (B) : Draht w wir d z u r Z e i t t i n Zustand s w e c h s e l n

void StoreWireEvent ( Wire& w, int t , S t a t e s ) ;

// (D) : B a u s t e i n c s o l l z u r a k t u e l l e n Z e i t neu
// b e r e c h n e t werden
void S t o r e C i r c u i t E v e n t ( C i r c u i t& c ) ;

// S t a r t e S i m u l a t i o n b e i Z e i t 0
void S i m u l a t e ( int end ) ;

private :
struct WireEvent
{ // Eine l o k a l e S t r u k t u r
WireEvent ( ) ; // f u e r E r e i g n i s ” Z u s t a n d s w e c h s e l ”
WireEvent ( Wire& W, int T, S t a t e S ) ;
Wire ∗ w ;
int t ;
State s ;
bool operator <( WireEvent we ) ;
void p r i n t ( s t d : : ostream& stm ) {
stm << ” (WE: ” << t << ” ” << w << ” ” << s << s t d : : e n d l ;
}

246
 };

int time ;
MinPriorityQueue<WireEvent> pq ; // Fuer (B)−E r e i g n i s s e
Queue<C i r c u i t ∗> q ; // Fuer (D)−E r e i g n i s s e
};

// G l o b a l e V a r i a b l e vom Typ S i m u l a t o r ( S i n g l e t o n ) .
// Wird von a l l e n B a u s t e i n e n und Draehten b e n u t z t !
S i m u l a t o r Sim ;

. . . und seine Methoden:

// Methoden f u e r d i e g e s c h a c h t e l t e K l a s s e
S i m u l a t o r : : WireEvent : : WireEvent ( ) {
w = 0 ; t = 0 ; s = unknown ;
}

S i m u l a t o r : : WireEvent : : WireEvent ( Wire& W, int T, S t a t e S ) {

w = &W; t = T ; s = S ;
}

bool S i m u l a t o r : : WireEvent : : operator <( WireEvent we )

{
i f ( t < we . t ) return true ;
i f ( t == we . t &&
( reinterpret cast <unsigned long int >( w ) <
reinterpret cast <unsigned long int >( we . w ) ) )
return true ;
return f a l s e ;
}

// K o n s t r u k t o r
S i m u l a t o r : : S i m u l a t o r ( ) { time = 0 ; }

int S i m u l a t o r : : GetTime ( ) { return time ; }

void S i m u l a t o r : : StoreWireEvent ( Wire& w, int t , S t a t e s )

{
pq . push ( WireEvent ( w, t , s ) ) ;
}

void S i m u l a t o r : : S t o r e C i r c u i t E v e n t ( C i r c u i t& c )
{
q . push ( &c ) ;
}

void S i m u l a t o r : : S i m u l a t e ( int end )

{
WireEvent we ;

247
 while ( time <= end )
{
// A l l e Draehte f u e r d i e a k t u e l l e Z e i t
while ( ! pq . empty ( ) )
{
we = pq . top ( ) ; // k l e i n s t e r E i n t r a g
// a l l e Z u s t a e n d e f u e r Z e i t s c h r i t t OK
i f ( we . t > time ) break ;
pq . pop ( ) ; // e n t f e r n e E i n t r a g
( we . w)−>Action ( we . s ) ; // neuer Zustand
}

// Berechne B a u s t e i n e z u r a k t u e l l e n Z e i t neu
while ( ! q . empty ( ) )
{
( q . f r o n t ( ) )−>Action ( ) ;
q . pop ( ) ;
}

// Z e i t s c h r i t t f e r t i g
time = time + 1 ;
}
}

Beispiel: Nand-Gatter an Taktgenerator

term fork1 nand1

0 a 0
1 c 0
d fork2
0 b 1
Als Beispiel betrachten wir folgende Schal- clock e g
f
tung:
0 1 2

analyzer

Dafür produziert der Simulator folgende Ausgabe:

0 U U U
1 U 1 1
2 U 1 1
3 U 1 1
4 0 1 1
5 0 1 1
6 0 1 1
7 0 1 1
8 0 1 1
9 0 1 1
10 0 1 1

248
 11 0 0 1
12 0 0 1
13 0 0 1
14 1 0 1
15 1 0 1
16 1 0 1
17 1 0 1
18 1 0 1
19 1 0 1
20 1 0 1
21 1 1 1
22 1 1 1
23 1 1 1
24 0 1 1
25 0 1 1
26 0 1 1
27 0 1 1
28 0 1 1
29 0 1 1
30 0 1 1
31 0 0 1
32 0 0 1
33 0 0 1

Hier das zugehörige Hauptprogramm:

#include <i o s t r e a m >

#include <c a s s e r t >
#include ”DLL . hh”
#include ” MinPriorityQueue . hh”
#include ” MinPriorityQueueImp . c c ”
#include ”Queue . hh”
c l a s s S i m u l a t o r ; // f o r w a r d d e c l a r a t i o n
c l a s s Wire ; // f o r w a r d d e c l a r a t i o n
class Circuit ; // f o r w a r d d e c l a r a t i o n
#include ” Wire . hh”
#include ” C i r c u i t . hh”
#include ” S i m u l a t o r . hh”
#include ” SimulatorImp . c c ”
#include ”WireImp . c c ”
#include ”Nand . hh”
#include ”NandImp . c c ”
#include ” Terminal . hh”
#include ” TerminalImp . c c ”
#include ” Fork . hh”
#include ”ForkImp . c c ”
#include ” A n a l y z e r . hh”
#include ” AnalyzerImp . c c ”
#include ” Clock . hh”

249
 #include ” ClockImp . c c ”

int main ( )
{
Nand nand1 ; A n a l y z e r a n a l y z e r ( 3 ) ;
Fork f o r k 1 , f o r k 2 ; Clock c l o c k ( 1 0 , h i g h ) ;
Wire a , b , c , d , e , f , g ; Terminal term ( h i g h ) ;

a . ConnectInput ( term , 0 ) ; a . ConnectOutput ( fork1 , 0 ) ;

b . ConnectInput ( clock , 0 ) ; b . ConnectOutput ( fork2 , 0 ) ;
c . ConnectInput ( fork1 , 0 ) ; c . ConnectOutput ( nand1 , 0 ) ;
d . ConnectInput ( fork1 , 1 ) ; d . ConnectOutput ( analyzer , 0 ) ;
e . ConnectInput ( fork2 , 0 ) ; e . ConnectOutput ( nand1 , 1 ) ;
f . ConnectInput ( fork2 , 1 ) ; f . ConnectOutput ( analyzer , 1 ) ;
g . ConnectInput ( nand1 , 0 ) ; g . ConnectOutput ( analyzer , 2 ) ;

Sim . S i m u l a t e ( 33 ) ;
}

Beispiel: 4-Bit Addierer

Es geht komplizierter, die 4 Bit Addition

#include <i o s t r e a m >

#include <c a s s e r t >
#include ”DLL . hh”
#include ” MinPriorityQueue . hh”
#include ” MinPriorityQueueImp . c c ”
#include ”Queue . hh”
c l a s s S i m u l a t o r ; // f o r w a r d d e c l a r a t i o n
c l a s s Wire ; // f o r w a r d d e c l a r a t i o n
class Circuit ; // f o r w a r d d e c l a r a t i o n
#include ” Wire . hh”
#include ” C i r c u i t . hh”
#include ” S i m u l a t o r . hh”
#include ” SimulatorImp . c c ”
#include ”WireImp . c c ”
#include ”Nand . hh”
#include ”NandImp . c c ”
#include ”And . hh”
#include ”AndImp . c c ”
#include ”Nor . hh”
#include ”NorImp . c c ”
#include ”Or . hh”
#include ”OrImp . c c ”
#include ” Exor . hh”
#include ”ExorImp . c c ”
#include ” I n v e r t e r . hh”
#include ” I n v e r t e r I m p . c c ”

250
#include ” Fork . hh”
#include ”ForkImp . c c ”
#include ” Terminal . hh”
#include ” TerminalImp . c c ”
#include ” A n a l y z e r . hh”
#include ” AnalyzerImp . c c ”
#include ” Clock . hh”
#include ” ClockImp . c c ”
#include ” HalfAdder . hh”
#include ” HalfAdderImp . c c ”
#include ” FullAdder . hh”
#include ” FullAdderImp . c c ”
#include ” Adder4Bit . hh”
#include ” Adder4BitImp . c c ”

int main ( )
{
Adder4Bit adder ;
Analyzer analyzer ( 5 ) ;
Terminal a3 ( low ) , a2 ( h i g h ) , a1 ( h i g h ) , a0 ( h i g h ) ;
Terminal b3 ( h i g h ) , b2 ( low ) , b1 ( h i g h ) , b0 ( low ) ;
Terminal c0 ( low ) ;

Wire wa0 , wa1 , wa2 , wa3 ;

Wire wb0 , wb1 , wb2 , wb3 ;
Wire ws0 , ws1 , ws2 , ws3 ;
Wire wc0 , wc4 ;

wc0 . ConnectInput ( c0 , 0 ) ;
wc0 . ConnectOutput ( adder , 8 ) ;

wa0 . ConnectInput ( a0 , 0 ) ;
wa1 . ConnectInput ( a1 , 0 ) ;
wa2 . ConnectInput ( a2 , 0 ) ;
wa3 . ConnectInput ( a3 , 0 ) ;
wa0 . ConnectOutput ( adder , 0 );
wa1 . ConnectOutput ( adder , 1 );
wa2 . ConnectOutput ( adder , 2 );
wa3 . ConnectOutput ( adder , 3 );

wb0 . ConnectInput ( b0 , 0 ) ;
wb1 . ConnectInput ( b1 , 0 ) ;
wb2 . ConnectInput ( b2 , 0 ) ;
wb3 . ConnectInput ( b3 , 0 ) ;
wb0 . ConnectOutput ( adder , 4 );
wb1 . ConnectOutput ( adder , 5 );
wb2 . ConnectOutput ( adder , 6 );
wb3 . ConnectOutput ( adder , 7 );

ws0 . ConnectInput ( adder , 0 ) ;

251
 ws1 . ConnectInput ( adder , 1 );
ws2 . ConnectInput ( adder , 2 );
ws3 . ConnectInput ( adder , 3 );
ws0 . ConnectOutput ( a n a l y z e r , 0 );
ws1 . ConnectOutput ( a n a l y z e r , 1 );
ws2 . ConnectOutput ( a n a l y z e r , 2 );
ws3 . ConnectOutput ( a n a l y z e r , 3 );

wc4 . ConnectInput ( adder , 4 ) ;

wc4 . ConnectOutput ( a n a l y z e r , 4 ) ;

Sim . S i m u l a t e ( 40 ) ;
}

. . . und die Ausgabe:

0 U U U U U
1 U U U U U
2 U U U U U
3 U U U U U
4 U U U U U
5 U U U U U
6 U U U U U
7 U U U U U
8 U U U U U
9 U U U U U
10 U U U U U
11 U U U U U
12 U U U U U
13 U U U U 1
14 U U U U 1
15 U U U U 1
16 U U U U 1
17 U U U U 1
18 U U U U 1
19 U U U 0 1
20 U U U 0 1
21 U U U 0 1
22 U U U 0 1
23 U U U 0 1
24 U U U 0 1
25 U U 0 0 1
26 U U 0 0 1
27 U U 0 0 1
28 U U 0 0 1
29 U U 0 0 1
30 U U 0 0 1
31 1 0 0 0 1

252
 32 1 0 0 0 1
33 1 0 0 0 1
34 1 0 0 0 1
35 1 0 0 0 1
36 1 0 0 0 1
37 1 0 0 0 1
38 1 0 0 0 1
39 1 0 0 0 1
40 1 0 0 0 1

15 Verschiedenes
In diesem Abschnitt wollen wir noch einige Punkte erwähnen, die für das Programmieren
wichtig sind.

15.1 Rechtliches
Lizenzen

Software ist normalerweise urheberrechtlich geschützt. Das geht so weit, dass es nicht
erlaubt ist, Software ohne Erlaubnis des Besitzers in irgendeiner Weise zu nutzen. Diese
Erlaubnis wird durch verschiedene Lizenzen erteilt, die dem Benutzer mehr oder weniger
Einschränkungen auferlegen.
Wichtige Lizenzen
• Public Domain: der Code ist völlig frei, alles ist erlaubt. Vorsicht: nach deutschem
Recht kann ein Programmierer seine Rechte in dieser Weise nicht aufgeben!
• BSD-Lizenz (nach dem Betriebssystem BSD Unix benannt): schließt Verantwortung
des Urhebers für Fehler aus, erlaubt dem Benutzer alles außer Verändern der Lizenz
selbst.
• GNU GPL (GNU General Public License): erlaubt dem Benutzer privat alles, bei
Weitergabe an Dritte muss er aber auf deren Anfrage hin auch die Quelltexte unter
der GPL nachliefern. Dasselbe muss er auch für angebundene Bibliotheken tun, die
daher kompatible“ Lizenzen haben müssen. Der Linux-Kernel steht unter der GPL.
”
• MPL (Mozilla Public License), QPL (Qt Public License): ähnlich GPL, aber dem
Erstautor (Netscape, Trolltech, . . . ) werden besondere Rechte eingeräumt.
• Akademische Lizenzen: Gebrauch im akademischen Bereich erlaubt, sonst besondere
Erlaubnis nötig.
• Kommerzielle Lizenzen: Oft erhebliche Einschränkungen, normalerweise ist kein
Quellcode enthalten.

253
Wer hat die Rechte an Software?

Generell hat der Schöpfer eines Werks das Urheberrecht. Allerdings besteht oft ein Vertrag,
der die Nutzungsrechte dem Arbeitgeber überträgt. Im akademischen Bereich ist das oft
die entsprechende Hochschule.
Wenn der Arbeitgeber nicht an einer Nutzung der Software interessiert sein sollte (er muss
aber gefragt werden!), so können die Rechte nach einer Wartezeit an den Angestellten
rückübertragen werden.

Softwarepatente

Leider werden vor allem in den USA Patente auf softwaretechnische Ideen erteilt, die
eigentlich nicht patentierbar sein sollten (z. B. Fortschrittsbalken, One-Click-Shopping),
weil sie offensichtlich“ sind (d. h. viele Programmierer hätten dieselbe Lösung für das-
”
selbe Problem gefunden) oder aber erst nach einer wissenschaftlichen Veröffentlichung
patentiert wurden (z. B. RSA-Kryptographie). Auch wenn solche Patente in Europa bis-
her noch nicht gültig sind, so kann es natürlich Schwierigkeiten bei in die USA exportierter
Software geben.

15.2 Software-Technik (Software-Engineering)

Werkzeuge

• Editor (muss Sprachelemente kennen, kann in großen Programmsystemen Definitio-

nen finden, Teile separat kompilieren und testen)
• Versionsverwaltung: Rückverfolgung von Änderungen, Vereinigung der Änderungen
verschiedener Programmierer, Release-Management; Unix: CVS, Subversion, Git,
...
• Debugger: Beobachtung des laufenden Programms; Unix: gdb
• Profiling: Messen des Speicher- und Rechenzeitverbrauchs; Programme: valgrind
(kommerziell: Purify), gprof;
• Testumgebung z. B. CppUnit.
• Entwicklungsumgebung (IDE): alles integriert

Beobachtungen aus der Praxis

• Große Programmpakete sind die Arbeit vieler Programmierer.

• Die Produktivität von Programmierern weist gigantische Unterschiede auf. Zwischen
Durchschnitts- und Spitzenprogrammierer kann man mit etwa einer Größenordnung
rechnen.
• Kleine Gruppen von Programmierern sind relativ gesehen am produktivsten. Insbe-
sondere Zweiergruppen können sich gut ergänzen (pair programming).

254
 • Es ist besonders effektiv, wenn ein Architekt ein Programmprojekt leitet. Dieser
Architekt sollte
– ein guter Programmierer sein,
– sich mit vorhandenen Bibliotheken auskennen,
– sich auch im Anwendungsbereich auskennen und
– Autorität besitzen.
• Als sehr gut hat sich inkrementelle Entwicklung erwiesen: man fängt mit einem
Prototyp an, der sukzessive verfeinert wird. Es wird darauf geachtet, dass möglichst
immer eine lauffähige Version des Programms zur Verfügung steht.
• Ambitionierte Konzepte brauchen (zu viel) Zeit. Dies kann im Wettlauf mit anderen
das Ende bedeuten.
• Ein Großteil der Kosten entsteht oft bei der Wartung der Software. Schlechte Ar-
beit am Anfang (z. B. verfehlter Entwurf) kann hier verhältnismäßig große Kosten
verursachen.

Was kann schiefgehen?

• Manchmal ist die fachliche Qualifikation von Personen in Leitungsfunktionen (Ar-

chitekt, Manager) schlecht, was zu teilweise schwerwiegenden Fehlentscheidungen
führt.
• Insbesondere sind Manager (und Programmierer ebenso) viel zu optimistisch mit
Abschätzungen der Schwierigkeit eines Programmprojekts. Ninety-ninety rule (Tom
Cargill, Bell Labs):
The first 90% of the code accounts for the first 90% of the development
time. The remaining 10% of the code accounts for the other 90% of the
development time.
• Einsparungen und Druck von oben können dazu führen, dass gerade die besten
Programmierer gehen.
• Die Einstellung neuer Programmierer, um eine Deadline einzuhalten, kann die Ar-
beit noch weiter verzögern, weil diese eingearbeitet werden müssen.

Literatur: Frederick P. Brooks: The Mythical Man-Month (Klassiker)

Schlagworte

• Wasserfallmodell: Planung (Systems Engineering), Definition (Analysis), Entwurf

(Design), Implementierung (Coding), Testen (Testing), Einsatz und Wartung (Main-
tenance)
• Agile Software-Entwicklung: XP (Extreme Programming, Pair programming), Scrum
(Tägliche kurze Treffen, Sprints)
• Rational Unified Process: macht Wasserfallmodell iterativ, benutzt UML (Universal
Modeling Language)

255
 • XML: Datenaustauschformat, menschen- und maschinenlesbar, einfache Syntax der
Form <name>...</name>. Wird leider beliebig kompliziert durch Schemas (DTD,
XML Schema)
• Entwurfsmuster (Design Patterns): Die Idee ist es, wiederkehrende Muster in Pro-
grammen jenseits der Sprachelemente zu identifizieren und zu nutzen. Entwurfsmu-
ster wurden bekannt durch das Buch: Erich Gamma, Richard Helm, Ralph Johnson,
John Vlissides: Design Patterns. Elements of Reusable Object-Oriented Software.
Addison Wesley, 1995, ISBN 0-201-63361-2.
Bemerkung: Vorsicht vor Schlagworten, wenn sie als Allheilmittel verkauft werden.
Viele Programmieraufgaben sind fundamental schwierig, und es wird auf absehbare Zeit
dafür keine einfache Lösung geben geben.

15.3 Wie werde ich ein guter Programmierer?

Inhalt der Vorlesung

• Grundlagen des Programmierens in C/C++

• Kennenlernen verschiedener Programmiertechniken (funktional, imperativ, objekt-
orientiert, generisch)
• Erkennen der Bedeutung effizienter Algorithmen
Bemerkung: Auch wenn C/C++ gerade für Anfänger nicht die einfachste Sprache
ist, sind grundlegende Kenntnisse darin unbedingt notwendig. Das von der Syntax her
ähnliche Java und C/C++ decken einen großen Teil des Software-Markts ab.

Nicht behandelt

Die Vorlesung hat aber viele interessante Themen nicht behandelt:

• Programmiertechniken: Logikprogrammierung, Programmierung von parallelen Pro-
zessen, . . .
• Programmierung von Web-Anwendungen, GUI-Programmierung, . . .
• Programmverifikation und Qualitätssicherung
• Werkzeuge
• Testen (unit tests (Modultest), system testing, regression testing)
• Modellierung (Flussdiagramme, Struktogramme, Klassendiagramme, unified mode-
ling language (UML))

Wie geht es nun weiter?

Lesen Sie einmal Peter Norvigs Artikel “Teach yourself programming in ten years!” (http:
//[Link]/[Link])
Er empfiehlt unter anderem:

256
 • Finden Sie einen Weg, um Spaß am Programmieren zu finden! (Wenn nicht mit
C++, dann mit einfacheren Sprachen wie Python oder Scheme.)
• Sprechen Sie mit anderen Programmierern, und lesen Sie anderer Leute Programme.
• Programmieren Sie selber!
• Wenn es Ihnen Spaß macht, besuchen Sie weitere Informatik-Vorlesungen.
• Arbeiten Sie an Projekten mit. Seien Sie einmal schlechtester, einmal bester Pro-
grammierer bei einem Projekt.
• Lernen Sie mehrere unterschiedliche Programmiersprachen.
• Lernen Sie Ihren Computer näher kennen (wie lang braucht eine Instruktion, ein
Speicherzugriff, etc.)
Ich möchte noch folgende recht bodenständige Tips hinzufügen:
• Englisch ist heutzutage die Sprache sowohl der Naturwissenschaften als auch der
Programmierung. Üben Sie Ihr Englisch, wo immer Sie können!
• Wenn Sie noch nicht mit zehn Fingern tippen können, versuchen Sie es zu lernen,
sobald Sie einmal einen langen Text zu schreiben haben (z. B. Bachelor- oder Ma-
sterarbeit).

257