Abstract: "Since decades, basic-block (BB) graphs are the state- of-the-art means for representing programs in advanced industrial compiler environments. The usual justification for introducing the intermediate BB- structures in the program representation is performance: analyses on BB- graphs are generally assumed to outperform their counterparts on single- instruction (SI) graphs, which, undoubtedly, are conceptually much simpler, easier to implement, and more straightforward to verify. In this article, we discuss the difference between the two program representations and show by means of runtime mesurements that, according to the new computer generations, performance is no longer on the side of the more complex BB- graphs. In fact, it turns out that no sensible reason for the BB-structure remains. Rather, we will demonstrate that edge-labeled SI-graphs, which in contrast to the classical flow graphs model statements in their edges instead of in their nodes, are most adequate, both for the theoretical reasoning about and for the implementation of analysis and optimization algorithms. We are convinced that this perception has far-reaching consequences for the design of compiler systems."

Das Ranking von Netzwerkelementen auf der Basis der Netzwerkstruktur ist eine anerkannte Methode zur Exploration neuer Netzwerke und zur Gewinnung von Hypothesen. Für die Analyse von Genregulationsnetzen und metabolischen Reaktionsnetzen, zwei Arten von molekularbiologischen Netzwerken, werden in dieser Dissertation je ein neues Zentralitätsmaß vorgestellt. Die Motiv-basierte Zentralität zur Analyse von Genregulationsnetzen verwendet zur Bewertung der Knoten des Netzes Informationen über die innerhalb des Netzes gefundenen Motive. Die Fluss-basierte Zentralität zur Analyse von metabolischen Reaktionsnetzen hingegen nutzt berechnete oder gemessene Flussverteilungen zur Bewertung der Knoten. Beide Zentralitätsmaße werden anhand einer Analyse je eines Netzwerkes für den Organismus E. coli demonstriert.