Komplexitätstheorie Einführung und Überblick (Wiederholung)
|
|
- Sophie Scholz
- vor 8 Jahren
- Abrufe
Transkript
1 Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität Komplexitaet = Programmgröße Axiomatische Komplexität Verallgemeinerte Komplexitätsmaße Komplexitätstheorie Einführung und Überblick (Wiederholung) Helmut Veith Technische Universität München Garey & Johnson: Computers and Intractability Polynomieller Rechenaufwand Exponentieller Rechenaufwand 1
2 The $ Problem NP Probleme Existiert ein polynomieller Algorithmus für folgende Frage: Kann ein Gatter eines kombinatorischen s je 1 werden? The $ Problem Existiert ein polynomieller Algorithmus für folgende Frage: Kann ein Gatter eines kombinatorischen s je 1 werden? CIRCUIT ISFIABILITY UNO Problem Kann eine Gruppe n Delegierter so um einen runden Tisch plaziert werden, dass keine Feinde nebeneinander zu sitzen kommen? Graphentheoretisch:? Färbbarkeitsproblem Kann eine Landkarte mit 3 Farben koloriert werden, sodass Nachbarstaaten unterscheidbar sind? 4-Farbensatz Kreuzwortproblem Cluster Workload Assignment Scheduling Problem Kann ein Kreuzworträtsel mit Wörtern einer Liste vollständig gefüllt werden? Kann eine Menge von Prozessen bekannter Workload auf N Prozessoren eingeplant werden? Kann eine Menge von n abhängigen Aufgaben innerhalb von t Zeiteinheiten eingeplant werden? CIRCUIT ISFIABILITY und tausende weitere Probleme. Suchalgorithmen? Für die genannten Probleme sind nur exponentielle Algorithmen bekannt. Aber: Die Eignung einer vorgeschlagenen Lösung kann effizient üperprüft werden. NP = Entscheidungsprobleme, die (1) Lösungen polynomieller Grösse haben (2) die Überprüfung von Lösungskandidaten in Polynomialzeit erlauben. NP Probleme exponentiell lösbar Angenommen, ein NP-Problem mit Eingabegrösse N hat Lösungen der Grösse N k in Binärdarstellung. Dann kann ein Suchalgorithmus in Zeit 2 (N k) alle Lösungen überprüfen. Theorem NP EXPTIME Unentscheidbar NP-Vollständigkeit Entscheidbar Exponentiell und höher NP NP-vollständig PTIME 2
3 Existiert ein polynomieller Algorithmus für folgende Frage: Kann ein Gatter eines kombinatorischen s je 1 werden? CIRCUIT ISFIABILITY Kann ein Kreuzworträtsel mit Wörtern einer Liste vollständig gefüllt werden? Kann eine Gruppe n Delegierter so um einen runden Tisch plaziert werden, dass keine Feinde nebeneinander zu sitzen kommen? Graphentheoretisch:? Kann eine Menge von Prozessen bekannter Workload auf N Prozessoren eingeplant werden? Kann eine Landkarte mit 3 Farben koloriert werden, sodass Nachbarstaaten unterscheidbar sind? 4-Farbensatz Kann eine Menge von n abhängigen Aufgaben innerhalb von t Zeiteinheiten eingeplant werden? Reduktionen The $ Problem Cluster Workload Assignment Kann eine Menge von Prozessen bekannter Workload auf N Prozessoren eingeplant werden? Minesweeper Ist eine Spielsituation im Spiel Minesweeper konsistent? Gibt es polynomielle Algorithmen für die Probleme in NP? NP Probleme The $ Problem UNO Problem Färbbarkeitsproblem Reduktion Ein Algorithmus für Minesweeper kann mit polynomiellem Pre-Processsing zum Lösen von Workload Assignment verwendet werden. Kreuzwortproblem NP = PTIME? Cluster Workload Assignment Scheduling Problem und tausende weitere Probleme. NP PTIME Komplexitätstheorie NP-Vollständigkeit: Reduktionen Helmut Veith Technische Universität München Probleme unter Bekannten Gibt es K Studenten unter den N Anwesenden, die einander nicht kennen? Reichen 3 Übungsgruppen, damit Studenten, die einander kennen, verschiedene Gruppen erhalten? 3COLORABILITY Reichen K Wanzen, um alle Telefongespraeche zwischen Studenten abzuhoeren? VERTEX COVER Gibt es K Studenten unter den N Anwesenden, die einander nicht kennen? Graph G=(V,E); Zahl K. Hat G ein independent set I mit I >= K? d.h. ein I, sodass i,j I. (i,j) E 3
4 3COLORABILITY Reichen 3 Übungsgruppen, damit Studenten, die einander kennen, verschiedene Gruppen erhalten? Graph G=(V,E). Gibt es eine Funktion F : V {red,green,blue} sodass benachbarte Knoten unterschiedlich gefaerbt werden, d.h. (i,j) E. F(i) F(j) Färbbarkeitsproblem Kann eine Landkarte mit 3 Farben koloriert werden, sodass Nachbarstaaten unterscheidbar sind? PLANAR 3COLORABILITY PLANAR 3COLORABILITY Reichen 3 Übungsgruppen, damit Studenten, die einander kennen, verschiedene Gruppen erhalten? Planarer Graph G=(V,E). Gibt es eine Funktion F : V {red,green,blue} sodass benachbarte Knoten unterschiedlich gefaerbt werden, d.h. (i,j) E. F(i) F(j) VERTEX COVER Reichen K Wanzen, um alle Telefongespraeche zwischen Studenten abzuhoeren? Graph G=(V,E); Zahl K. Hat G ein C mit C <= K? d.h. ein C V, sodass (i,j) E. i C j C HAMILTONIAN CYCLE Graph G=(V,E). Hat G einen Hamiltonschen Kreis? UNO UNO Problem Problem Kann eine Gruppe n Delegierter so um einen Kann eine Gruppe n Delegierter so um einen runden Tisch plaziert werden, dass keine Feinde runden Tisch plaziert werden, dass keine Feinde nebeneinander zu sitzen kommen? nebeneinander zu sitzen kommen? Graph G=(V,E), Zahl K und Gewichtsfunktion f: E N Hat G einen Zyklus mit Gesamtgewicht <= K? Travelling Salesperson Kann ein Vertreter n Städte bereisen, und dabei Kann ein Vertreter n Städte bereisen, und dabei nicht mehr als K Kilometer zurücklegen? nicht mehr als K Kilometer zurücklegen? Graphentheoretisch: Graphentheoretisch:?? 4
5 BIN PACKING N; a 1,..., a M ; b Können M Jobs mit Workloads a i auf N Prozessoren mit maximaler Workload b aufgeteilt werden? Cluster Cluster Workload Workload Assignment Assignment Kann eine Menge von Prozessen bekannter Kann eine Menge von Prozessen bekannter Workload auf N Prozessoren eingeplant werden? Workload auf N Prozessoren eingeplant werden? a 1,..., a M ; W RUCKSACK Kann eine Teilmenge der a i in Summe exakt W ergeben? problem Gegeben eine Menge von Wertobjekten Gegeben eine Menge von Wertobjekten unterschiedlichen Gewichts und Wertes. Kann unterschiedlichen Gewichts und Wertes. Kann ein Dieb mit einem mit Maximalgewicht ein Dieb mit einem mit Maximalgewicht M den Wert W erzielen? M den Wert erzielen? CLIQUE Gibt es K Studenten unter den N Anwesenden, die einander kennen? Graph G=(V,E); Zahl K. Hat G ein independent set I mit I >= K? d.h. ein I, sodass i,j I. (i,j) E Boolesche Bedingungen C Source Code der Form if (f) p; wobei f aus Booleschen Variablen, &&,,! besteht. Ist f eine erfüllbare Bedingung? d.h. gibt es eine Belegung der Variablen, sodass p ausgeführt wird? Boolesche (aussagenlogische) Formel f Gibt es eine Belegung der Variablen, sodass f wahr wird? Circuit 5
6 Circuit CLIQUE und Lemma Graph G = (V,E) und S Teilmenge V. Dann gilt: S ist ein in G gdw S ist eine im Komplement von G CLIQUE und CLIQUE und Lemma Graph G = (V,E) und S Teilmenge V. Dann gilt: S ist eine in G gdw S ist ein im Komplement von G. Algorithmische Reduktion zwischen CLIQUE und : Berechne das Komplement des Graphen. R: (V,E) (V, V x V E) CLIQUE und CLIQUE(V,E): Algorithmus f. Algorithmus f. : Independent_Set(V,E) E = V x V E; CLIQUE(V, E ); Circuit 6
7 CLIQUE und Lemma Graph G = (V,E) und S Teilmenge V. Dann gilt: S ist eine in G gdw S ist ein im Komplement von G gdw V-S ist ein von G. CLIQUE und Circuit Circuit Circuit Cook/Levin ist NP-vollständig. Exkurs: Boolesche Funktionen Boolesche Funktionen Funktionale Vollstaendigkeit Formeln CNF DNF Boolesche Algebra Auswertungsalgorithmen Alternative Beschreibungen 7
8 8
9 Uniforme Theorem Zu jedem polynomialen Algorithmus (PTIME Algorithmus) A mit binären Eingaben gibt es eine Familie von n C 1, C 2,, sodass (1) C i in Zeit polynomiell in i konstruiert werden kann. (2) Für alle Eingaben der Länge n C i dasselbe Ergebnis wie A liefert. Exkurs: Boolesche Funktionen Boolesche Funktionen Funktionale Vollstaendigkeit Formeln CNF DNF Boolesche Algebra Auswertungsalgorithmen Alternative Beschreibungen 9
10 -Probleme CIRCUIT Ist ein Schaltkreis erfüllbar? Ist eine Formel erfüllbar? CNF Ist eine CNF Formel erfüllbar? 3 Ist eine CNF Formel mit maximal 3 Literalen pro Klause erfüllbar? DNF Ist eine DNF Formel erfüllbar? HORN Ist eine Horn Formel erfüllbar? -Probleme CIRCUIT Ist ein Schaltkreis erfüllbar? Ist eine Formel erfüllbar? CNF Ist eine CNF Formel erfüllbar? 3 Ist eine CNF Formel mit maximal 3 Literalen pro Klause erfüllbar? DNF Ist eine DNF Formel erfüllbar? HORN Ist eine Horn Formel erfüllbar? CIRCUIT 3 CNF 3 Circuit CNF 3 Circuit CNF 3 Circuit 10
11 3 CLIQUE CNF 3 Circuit CLIQUE CIRCUIT CNF 3 Circuit CNF 3 Circuit CNF 3 Circuit 11
12 3 3COL Danke für Ihre Aufmerksamkeit 12
Komplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin
Komplexitätstheorie NP-Vollständigkeit: Reduktionen (2) Der Satz von Cook/Levin Helmut Veith Technische Universität München Organisatorisches Anmeldung zur Lehrveranstaltung: complexity@tiki.informatik.tu-muenchen.de
MehrKomplexitätstheorie Einführung und Überblick
Komplexitätstheorie Einführung und Überblick Helmut Veith Technische Universität München Softwarequalität Zentrales Thema der Informatik 40 Jahre Software Engineering 40 Jahre Software Krise Welche Probleme
MehrKomplexitätstheorie Einführung und Überblick. Christian Schallhart Technische Universität München
Komplexitätstheorie Einführung und Überblick Christian Schallhart Technische Universität München Softwarequalität Zentrales Thema der Informatik 40 Jahre Software Engineering 40 Jahre Software Krise Qualitätskriterien
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrSatz 227 3SAT ist N P-vollständig. Info IV 2 N P-Vollständigkeit 375/388 c Ernst W. Mayr
Definition 6 3SAT ist die Menge der booleschen Formeln in konjunktiver Normalform, die in jeder Klausel höchstens drei Literale enthalten und die erfüllbar sind. Satz 7 3SAT ist N P-vollständig. Info IV
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrDie Klassen P und NP. Dr. Eva Richter. 29. Juni 2012
Die Klassen P und NP Dr. Eva Richter 29. Juni 2012 1 / 35 Die Klasse P P = DTIME(Pol) Klasse der Probleme, die sich von DTM in polynomieller Zeit lösen lassen nach Dogma die praktikablen Probleme beim
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrCodes und Informationsgehalt
Aufgaben 2 Codes und Informationsgehalt Auf wie viele Dezimalziffern genau können vorzeichenlose ganze Zahlen in einem binären Code der Länge 32 bit dargestellt werden? 2 Codes und Informationsgehalt Auf
MehrErfüllbarkeit und Allgemeingültigkeit
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrDas P versus N P - Problem
Das P versus N P - Problem Dr. Michael Huber Habilitationsvortrag eines der sieben Milleniumsprobleme des Clay Mathematics Institute A gift to Mathematics from Computer Science (Steve Smale) Überblick
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrInformation Systems Engineering Seminar
Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt
MehrDie Komplexitätsklassen P und NP
Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrAlles zu seiner Zeit Projektplanung heute
Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?
MehrSchwierige Probleme in der Informatik Informationen für die Lehrperson
Schwierige Probleme in der Informatik Informationen für die Lehrperson Thema, Adressaten,... Das Thema dieses Moduls sind NP-vollständige Probleme, also schwierige Probleme in der Informatik. GraphBench
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 NP-Vollständigkeit Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz http://www.inf.uni-konstanz.de/algo/lehre/ss08/info2 Sommersemester 2008 Sven
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 NP-Vollständigkeit Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr, o.n.v.
MehrApproximation in Batch and Multiprocessor Scheduling
Approximation in Batch and Multiprocessor Scheduling Tim Nonner IBM Research Albert-Ludwigs-Universität Freiburg 3. Dezember 2010 Scheduling Zeit als Ressource und Beschränkung Formaler Gegeben sind Jobs
MehrFormale Grundlagen der Informatik 1 Kapitel 23 NP-Vollständigkeit (Teil 2)
Formale Grundlagen der Informatik 1 Kapitel 23 (Teil 2) Frank Heitmann heitmann@informatik.uni-hamburg.de 5. Juli 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/37 Die Klassen P und NP P := {L
MehrWissensbasierte Systeme 5. Constraint Satisfaction Probleme
Wissensbasierte Systeme 5. Constraint Satisfaction Probleme Michael Beetz Vorlesung Wissensbasierte Systeme 1 Inhalt 5.1 Begriffe 5.2 Constraint Satisfaction in Linienbildern 5.3 Beispielanwendungen 5.4
MehrSemantik von Formeln und Sequenzen
Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrFormale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK
Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association
MehrDas Briefträgerproblem
Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................
MehrInformatik III. Christian Schindelhauer Wintersemester 2006/ Vorlesung
Informatik III Christian Schindelhauer Wintersemester 2006/07 20. Vorlesung 12.01.2007 1 Komplexitätstheorie - Zeitklassen Die Komplexitätsklassen TIME DTIME, NTIME P NP Das Cook-Levin-Theorem Polynomial-Zeit-Reduktion
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
Mehr3. Ziel der Vorlesung
3. Ziel der Vorlesung Der Zweck der Vorlesung ist das Studium fundamentaler Konzepte in der Algorithmentheorie. Es werden relevante Maschinenmodelle, grundlegende und höhere Datenstrukturen sowie der Entwurf
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Ulrich Furbach. Sommersemester 2014
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Ulrich Furbach Institut für Informatik Sommersemester 2014 Furbach Grundlagen d. Theoretischen Informatik:
MehrWir unterscheiden folgende drei Schritte im Design paralleler Algorithmen:
1 Parallele Algorithmen Grundlagen Parallele Algorithmen Grundlagen Wir unterscheiden folgende drei Schritte im Design paralleler Algorithmen: Dekomposition eines Problems in unabhängige Teilaufgaben.
MehrDank. Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Reduktion. Komplexitätsklassen.
Dank Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Bernhard Beckert Diese Vorlesungsmaterialien basieren ganz wesentlich auf den Folien zu den Vorlesungen
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrPlatzklassen - Erinnerung. 3-Band Maschinen. Konfigurationen. Savitch Theorem. Konfigurationsgraph. Für kleine Platzklassen:
Platzklassen - Erinnerung DSPACE(f(n)) NSPACE(f(n)) L = LOG = DSPACE(logn) NL = NLOG = NSPACE(logn) PSPACE = DSPACE(n^k), k > 1 NPSPACE = NSPACE(n^k), k > 1 SPACE Complexity 3-Band Maschinen Konfigurationen
MehrPlatzklassen - Erinnerung. 3-Band Maschinen. Konfigurationen. Savitch Theorem. Konfigurationsgraph. SPACE Complexity. Für kleine Platzklassen:
Platzklassen - Erinnerung SPACE Complexity DSPACE(f(n)) NSPACE(f(n)) L = LOG = DSPACE(logn) NL = NLOG = NSPACE(logn) PSPACE = DSPACE(n^k), k > 1 NPSPACE = NSPACE(n^k), k > 1 complexity 2003 - space & games
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrAlgorithmische Spieltheorie
Algorithmische Spieltheorie Grundlagen der Komplexitätstheorie Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrDank. Theoretische Informatik II. Teil VI. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrWas bisher geschah. Lernen: überwachtes Lernen. biologisches Vorbild neuronaler Netze: unüberwachtes Lernen
Was bisher geschah Lernen: überwachtes Lernen korrigierendes Lernen bestärkendes Lernen unüberwachtes Lernen biologisches Vorbild neuronaler Netze: Neuron (Zellkörper, Synapsen, Axon) und Funktionsweise
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Komplexitätstheorie (VI) 20.07.2016 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 DTIME und NTIME / DSPACE und NSPACE DTIME(T(n)) ist die Klasse
MehrVorkurs Informatik WiSe 15/16
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 16.10.2015 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Suchen Binärsuche Binäre Suchbäume 16.10.2015 Dr. Werner
MehrRechnerische Komplexität
Proseminar Effiziente Algorithmen SS 2002 Rechnerische Komplexität Ulrike Krönert (34180) 0. Inhalt 1. Einführung 2. Algorithmen und Komplexität 2.1. Algorithmen 2.2. Laufzeitabschätzung 2.3. Polynomialzeit
MehrAufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung
- 1 - Aufgabe 6 Excel 2013 (Fortgeschrittene) Musterlösung 1. Die Tabelle mit den Werten und Gewichten der Gegenstände, sowie die Spalte mit der Anzahl ist vorgegeben und braucht nur eingegeben zu werden
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
MehrBinäre Suchbäume (binary search trees, kurz: bst)
Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.
MehrKomplexität und Komplexitätsklassen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.
Mehr3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel
3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36
MehrAlgorithmen und Datenstrukturen 2
Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche
MehrMaristengymnasium Fürstenzell zuletzt geändert am 10.03.2001 Aufgaben zur Kombinatorik (mit Lösungen)
Maristengymnasium Fürstenzell zuletzt geändert am 0.0.00 Aufgaben zur Kombinatorik (mit Lösungen) 0.. Wieviele Möglichkeiten gibt es für Kinder, sich auf einen Schlitten zu setzen, wenn ihn nur davon steuern
MehrKapitel 6: Graphalgorithmen Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrZusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke
MehrFormale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
MehrÜbungen für Woche 10
Übungen für Woche 10 Martin Rubey 12. Januar 2011 Die folgenden Übungen sollen den Umgang mit Backtracking und kombinatorischen Spezies näherbringen. Genaue Hinweise gibt es erst auf Seite 5. Zur Erinnerung:
MehrÜberblick. Lineares Suchen
Komplexität Was ist das? Die Komplexität eines Algorithmus sei hierbei die Abschätzung des Aufwandes seiner Realisierung bzw. Berechnung auf einem Computer. Sie wird daher auch rechnerische Komplexität
MehrDarstellungsformen einer Funktion
http://www.flickr.com/photos/sigfrid/348144517/ Darstellungsformen einer Funktion 9 Analytische Darstellung: Eplizite Darstellung Funktionen werden nach Möglichkeit eplizit dargestellt, das heißt, die
Mehr1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie
Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/5, olie 1 2014 Prof. Steffen Lange - HDa/bI
MehrEine mathematische Reise ins Unendliche. Peter Koepke Universität Bonn
Eine mathematische Reise ins Unendliche Peter Koepke Universität Bonn Treffen sich die Schienen im Unendlichen? Gibt es unendlich ferne Punkte? Gibt es unendliche Zahlen? 1 Antwort: Nein! , so prostestire
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrWeitere NP-vollständige Probleme
Weitere NP-vollständige Probleme Wir betrachten nun folgende Reduktionskette und weisen dadurch nach, daß alle diese Probleme NP-hart sind (sie sind auch in NP und damit NP-vollständig). SAT p 3-SAT p
MehrSteinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering
Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas
MehrGrundlagen des Maschinellen Lernens Kap. 4: Lernmodelle Teil II
1. Motivation 2. Lernmodelle Teil I 2.1. Lernen im Limes 2.2. Fallstudie: Lernen von Patternsprachen 3. Lernverfahren in anderen Domänen 3.1. Automatensynthese 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume
MehrNP Vollständigkeit. Patryk Mazur
NP Vollständigkeit Patryk Mazur 04.05.2010 0.Gliderung 1. Einführung 1. Definitionen P, NP, conp, EXP, NEXP 2. Bekannte Zusammenhänge zwischen dem Klassen 3. Hypothesen zu deren zusammenhängen und deren
MehrTeil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
MehrSpiel und Spaß im Freien. Arbeitsblat. Arbeitsblatt 1. Zeichnung: Gisela Specht. Diese Vorlage darf für den Unterricht fotokopiert werden.
Spiel und Spaß im Freien Arbeitsblatt 1 Arbeitsblat 1 Zeichnung: Gisela Specht Arbeitsblatt 1 Was kann man mit diesen Dingen machen? Was passt zusammen? Verbinde die richtigen Bildkarten miteinander. 2
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrKombinatorische Optimierung
Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des
MehrHIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN
HIER GEHT ES UM IHR GUTES GELD ZINSRECHNUNG IM UNTERNEHMEN Zinsen haben im täglichen Geschäftsleben große Bedeutung und somit auch die eigentliche Zinsrechnung, z.b: - Wenn Sie Ihre Rechnungen zu spät
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrDie Invaliden-Versicherung ändert sich
Die Invaliden-Versicherung ändert sich 1 Erklärung Die Invaliden-Versicherung ist für invalide Personen. Invalid bedeutet: Eine Person kann einige Sachen nicht machen. Wegen einer Krankheit. Wegen einem
MehrN Bit binäre Zahlen (signed)
N Bit binäre Zahlen (signed) n Bit Darstellung ist ein Fenster auf die ersten n Stellen der Binär Zahl 0000000000000000000000000000000000000000000000000110 = 6 1111111111111111111111111111111111111111111111111101
MehrKapitel 5: Dynamisches Programmieren Gliederung
Gliederung 1. Grundlagen 2. Zahlentheoretische Algorithmen 3. Sortierverfahren 4. Ausgewählte Datenstrukturen 5. Dynamisches Programmieren 6. Graphalgorithmen 7. String-Matching 8. Kombinatorische Algorithmen
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrGrundlagen der Informatik Kapitel 20. Harald Krottmaier Sven Havemann
Grundlagen der Informatik Kapitel 20 Harald Krottmaier Sven Havemann Agenda Klassen von Problemen Einige Probleme... Approximationsalgorithmen WS2007 2 Klassen P NP NP-vollständig WS2007 3 Klasse P praktisch
MehrFormeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur
Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die
MehrSDD System Design Document
SDD Software Konstruktion WS01/02 Gruppe 4 1. Einleitung Das vorliegende Dokument richtet sich vor allem an die Entwickler, aber auch an den Kunden, der das enstehende System verwenden wird. Es soll einen
Mehr1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT)... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben...
Vorwort v I Approximative Algorithmen 1 1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT).... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben..... 18 2 DieKomplexitätsklassen
Mehrteischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep
teischl.com Software Design & Services e.u. office@teischl.com www.teischl.com/booknkeep www.facebook.com/booknkeep 1. Erstellen Sie ein neues Rechnungsformular Mit book n keep können Sie nun Ihre eigenen
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrEinführung in Scheduling
Einführung in Scheduling Dr. Julien Bidot Sommersemester 28 Institut für Künstliche Intelligenz Inhalt I. Definition und Formulierung des Scheduling- Problems II. Projektplanung III. Produktionsplanung
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
MehrWas ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft.
Vorlesung 1 Einführung 1.1 Praktisches Zeiten: 10:00-12:00 Uhr Vorlesung 12:00-13:00 Uhr Mittagspause 13:00-14:30 Uhr Präsenzübung 14:30-16:00 Uhr Übungsgruppen Material: Papier und Stift wacher Verstand
MehrEinführung in PHP. (mit Aufgaben)
Einführung in PHP (mit Aufgaben) Dynamische Inhalte mit PHP? 2 Aus der Wikipedia (verkürzt): PHP wird auf etwa 244 Millionen Websites eingesetzt (Stand: Januar 2013) und wird auf etwa 80 % aller Websites
Mehr