Algorithmen für Ad-hoc- und Sensornetze
|
|
|
- Pamela Kohler
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmen für Ad-hoc- und Sensornetze Übung 1 Leader Election Fabian Fuchs 27. Oktober 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des Landes Baden-Württemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft
2 Überblick Organisatorisches Implementierung der Algorithmen Sinalgo Demo Leader Election in allgemeinen Graphen (wdh.) Übung 1 Leader Election (2/12)
3 Organisatorisches Übung Es sollen ausgewählte Algorithmen im Netzwerksimulator Sinalgo implementiert werden Heute: Übungsblatt zum warm werden Von den folgenden Übungsblättern soll mindestens eins in der Übung (teilweise) vorgestellt werden um zur Prüfung zugelassen zu werden. Übungsblätter auch digital unter: edu/teaching/winter2015/sensornetze/index Bei Fragen: oder Sprechstunde Dienstag: :00-14:00 (kurze Anmeldung erwünscht!) Oder nach Vereinbarung: Raum 317, Gebäude Übung 1 Leader Election (3/12)
4 Überblick Organisatorisches Implementierung der Algorithmen Sinalgo Demo Leader Election in allgemeinen Graphen (wdh.) Übung 1 Leader Election (4/12)
5 Verwendete Frameworks Sinalgo: Simulator für Netzwerkalgorithmen in (Drahtlos-)Netzwerken Implementiert in Java, dadurch plattformübergreifend nutzbar Modularer Aufbau ermöglicht parallele Projekte Nachteil: Implementierung grundlegend anders als auf Sensorknoten Arduino Uno: Hands-on Sensorknoten Komplexere (bzw. oftmals ungewohnte) Umgebung, daher mehr Focus auf Kennenlernen der Plattform, weniger auf Algorithmen. Implementierung in leicht erweitertem C Aufteilung: 5 Blätter zu Sinalgo, ein Blatt zu Arduino Übung 1 Leader Election (5/12)
6 Verwendete Frameworks Sinalgo: Simulator für Netzwerkalgorithmen in (Drahtlos-)Netzwerken Implementiert in Java, dadurch plattformübergreifend nutzbar Modularer Aufbau ermöglicht parallele Projekte Nachteil: Implementierung grundlegend anders als auf Sensorknoten Arduino Uno: Hands-on Sensorknoten Komplexere (bzw. oftmals ungewohnte) Umgebung, daher mehr Focus auf Kennenlernen der Plattform, weniger auf Algorithmen. Implementierung in leicht erweitertem C Aufteilung: 5 Blätter zu Sinalgo, ein Blatt zu Arduino Übung 1 Leader Election (5/12)
7 Verwendete Frameworks Sinalgo: Simulator für Netzwerkalgorithmen in (Drahtlos-)Netzwerken Implementiert in Java, dadurch plattformübergreifend nutzbar Modularer Aufbau ermöglicht parallele Projekte Nachteil: Implementierung grundlegend anders als auf Sensorknoten Arduino Uno: Hands-on Sensorknoten Komplexere (bzw. oftmals ungewohnte) Umgebung, daher mehr Focus auf Kennenlernen der Plattform, weniger auf Algorithmen. Implementierung in leicht erweitertem C Aufteilung: 5 Blätter zu Sinalgo, ein Blatt zu Arduino Übung 1 Leader Election (5/12)
8 Sinalgo Demonstation Vom Download zur Ausführung Erste Beispiele: Sample x und y Wie binde ich die verschiedenen Modelle ein? Wie setze ich spezifische Parameter? Weitere Fragen? Werden nach der Übung online aktualisiert Übung 1 Leader Election (6/12)
9 Überblick Organisatorisches Implementierung der Algorithmen Sinalgo Demo Leader Election in allgemeinen Graphen (wdh.) Übung 1 Leader Election (7/12)
10 Leader Election Erinnerung: Leader Election Gegeben: Symmetrischer, zusammenhängender Kommunikationsgraph G. Problem: Genau ein Prozessor soll als Leader ausgezeichnet werden. Modell Synchrone Runden, synchroner Start Pro Runde kann jeder Knoten eine (potentiell unterschiedliche) Nachricht an jeden Nachbarn senden Verteilung: Random, Grid, Manuell,... a Weiteres: UGD, keine Mobilität, keine Interference, reliable delivery,... a Bei mehreren Zusammenhangskomponenten wird jeweils ein Leader bestimmt. Übung 1 Leader Election (8/12)
11 Leader Election in allg. Graphen Leader Election, Knoten p i kennt ID i sende ID i an alle Nachbarn setze ID + ID i und parent wenn IDs empfangen wurden dann wähle maximale empfangene ID und zugehörigen Sender s wenn ID > ID + dann setze ID + ID und parent s sende Nachricht new follower an parent sende ID + an restliche Nachbarn wenn new follower empfangen wurde und parent dann sende Nachricht new follower an parent a a außer in selber Runde schon geschehen Ein Knoten mit parent = darf sich zum Leader erklären nachdem zwei Runden keine höhere ID und keine new follower-nachricht kam. Warum? Übung 1 Leader Election (9/12)
12 Leader Election in allg. Graphen Runde: Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
13 Leader Election in allg. Graphen Runde: Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
14 Leader Election in allg. Graphen Runde: Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
15 Leader Election in allg. Graphen Runde: Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
16 Leader Election in allg. Graphen Runde: 4 Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
17 Leader Election in allg. Graphen Runde: 5 Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
18 Leader Election in allg. Graphen Runde: 6 Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
19 Leader Election in allg. Graphen Runde: 7 Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
20 Leader Election in allg. Graphen Leader Runde: 8 Knotenlabels sind höchste empfangene ID (zu Beginn eigene ID) Knoten senden gespeicherte ID (rot), hier: Initiale Nachricht Knoten die eine höhere ID empfangen, leiten Sie an Nachbarn weiter, setzen parent und senden new follower (blau) an den parent Knoten. Wird eine new follower Nachricht empfangen wird diese an parent weitergeleitet. (Schwarze Pfeile deuten parent an, keine Nachricht!) Übung 1 Leader Election (10/12)
21 Abschluss Wir hatten heute: Organisatorisches zur Übung Implementierung für Sinalgo bzw. Arduino Demo Sinalgo Framework Wiederholung: Leader Election für allgemeine Graphen Weitere Fragen? Übung 1 Leader Election (11/12)
22 Links zur Übung Übungsblatt auf VL-Homepage: winter2015/sensornetze/index Sinalgo Tutorial: sinalgo/tutorial/documentation.html Sinalgo Framework: VL-Homepage oder Sinalgo Tutorial Seite Grundgerüst für Leader Election Projekt: VL-Homepage Tipp: Wer schon mit Arduino rumspielen möchte: Übung 1 Leader Election (12/12)
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze Übung 2 Greedy Routing Fabian Fuchs 05. November 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze Übung 6 Kommunikation und Färbungen im SINR Modell (basierend auf VL11) Fabian Fuchs 17. Jan. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR
Heute. Algorithmen für Ad-hoc- und Sensornetze. Erinnerung: MAC-Layer. Erinnerung: Färbungen. Definition
Heute Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben (Teil ) Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Markus Völker
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 11 Kommunikation und Färbungen im SINR Modell Fabian Fuchs 17. Dez. 2015 (Version 1) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER)
Heute. Medium Access Control / Färbungen, Teil 2. Kapazität & Scheduling. kurze Wiederholung Schöner verteilter Färbungsalgorithmus
Heute Medium Access Control / Färbungen, Teil kurze Wiederholung Schöner verteilter Färbungsalgorithmus Kapazität & Scheduling Interferenz etwas realistischer neue Probleme und Herangehensweisen VL 0 Eine
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte Fabian Fuchs Version 1 vom 20. Oktober 2015 INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte Fabian Fuchs Version 1 vom 20. Oktober 2015 INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT
Inhalt. Organisatorisches. Verteilte Algorithmen Überblick 4. Verteilte Systeme. Formales Modell Algorithmus
1 2 Organisatorisches Inhalt Webseite zur Vorlesung: /teaching/ss_05/algosens/ Folien zur Vorlesung und Übung (soweit verfügbar) Übungsblätter Referenzen auf weiterführende Literatur Ankündigungen zur
Überblick. Organisatorisches. Erinnerung: Motivation Domin. Sets. Algorithmen für Ad-hoc- und Sensornetze
Überblick Organisatorisches Clustering Was bisher geschah Luby s MIS-Algorithmus & Beweis Von MIS zu CDS Vorlesungsevaluation Medium Access Control (MAC) und Coloring MAC-Layer / Motivation Einstieg ins
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte Markus Völker Version 1 vom 18. April 2012 INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 04 Topologiekontrolle Fabian Fuchs 04. Nov. 2015 (Version 2) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte
Algorithmen für Ad-hoc- und Sensornetze VL 01 Einführung und erste Schritte Dr. rer. nat. Bastian Katz 22. April 2009 (Version 3 vom 24. April 2009) Organisatorisches Sprechstunde jederzeit nach Vereinbarung,
Proofs from THE BOOK (SS 2011)
G. Veit Batz, Dennis Schieferdecker {batz,schieferdecker}@kit.edu http://algo2.iti.kit.edu/proofs_from_the_book_ss11.php - 0 KIT Batz, Universität Schieferdecker: des Landes Baden-Württemberg und nationales
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Algorithmen für NP-schwere Probleme
Algorithmen für NP-schwere Probleme Einführung in das Proseminar 16. April 2018 Sascha Gritzbach INSTITUT FÜR THEORETISCHE INFORMATIK LEHRSTUHL ALGORITHMIK KIT The Die Forschungsuniversität Research University
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Effizienter Planaritätstest Vorlesung am
Effizienter Planaritätstest Vorlesung am 23.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER Satz Gegebenen einen Graphen G = (V, E) mit n Kanten und m Knoten, kann in O(n + m) Zeit
Algorithmen für Ad-hoc- und Sensornetze VL 02 Geographisches Routing
Algorithmen für Ad-hoc- und Sensornetze VL 02 Geographisches Routing Markus Völker 25. April 2012 (Version 2) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität
9. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Musterlösung
Grundbegriffe der Informatik Tutorium 8
Grundbegriffe der Informatik Tutorium 8 Tutorium Nr. 16 Philipp Oppermann 22. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
Überblick. Algorithmen für Ad-hoc- und Sensornetze. Motivation: Selbstorganisation. Beispiel: Broadcast/Fluten
Überblick Algorithmen für Ad-hoc- und Sensornetze VL 09 Clustering (. Teil) Markus Völker 0. Juni 0 (Version ) Was ist Clustering und wofür brauche ich das? Selbstorganisation und Aufgabenteilung in WSN
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 11, Henning Meyerhenke
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 11, 18.01.2012 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum
Algorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Verteilte Systeme. Graphenalgorithmen. Secure Identity Research Group
Verteilte Systeme Graphenalgorithmen Allgemeine Netzwerke Reale Computernetze sind meist keine Ringe Beliebige Netze lassen sich als Graph modellieren:g=(v,e) Knoten V (Prozessen, Stationen) Kanten E (Kanälen,
Seminar-Vortrag von Michael Vollmer
FADE: Graph Drawning, Clustering and visual Abstraction Seminar-Vortrag von Michael Vollmer Institut für Theoretische Informatik 1 KIT FADE: Universität Graph des Drawning, Landes Clustering Baden-Württemberg
Inkrementelle Modellsichten
Praxis der Forschung Wintersemester 2016/17 17.10.2016 LEHRSTUHL FÜR SOFTWARE-ENTWURF UND -QUALITÄT KIT die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Inkrementelle WebUI MediaStore
Entwicklung eines Frameworks für Graphenspiele Praxis der Software-Entwicklung. Tamara PeterMchedlidze Dorothea Wagner ITI Sanders.
Entwicklung eines Frameworks für Graphenspiele Praxis der Software-Entwicklung INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Thomas Veit Batz Bläsius Andreas Dennis Luxen Gemsa Tamara PeterMchedlidze
Algorithmen I - Tutorium 28 Nr. 1
Algorithmen I - Tutorium 28 Nr. 1 04.05.2017: Spaß mit O-Kalkül, Schleifeninvarianten, Laufzeit Marc Leinweber marc.leinweber@student.kit.edu INSTITUT FÜR THEORETISCHE INFORMATIK (ITI), PROF. DR. JÖRN
Algorithmen für Planare Graphen Übung am
Algorithmen für Planare Graphen Übung am 02.05.2017 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität es Lanes Baen-Württemberg un Algorithmen nationales Forschungszentrum
10. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Bäume
Algorithmische Geometrie Übung am
Algorithmische Geometrie Übung am 16.04.2014 INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmische nationales Forschungszentrum
3. Übung zur Vorlesung Planare Graphen
3. Übung zur Vorlesung Planare Graphen Übung 20. Mai 14 Andreas Gemsa INSTITUTE OF THEORETICAL INFORMATICS PROF. DR. DOROTHEA WAGNER KIT University of the State of Baden-Wuerttemberg and National Laboratory
Ankündigungen. Algorithmen für Ad-hoc- und Sensornetze. Überblick. Topologiekontrolle
Ankündigungen Algorithmen für Ad-hoc- und Sensornetze VL 04 Topologiekontrolle Markus Völker 09. Mai 202 (Version ) Vortrag am Montag, den 4.05.202, 0 Uhr, SR 236 Prof. Dr. Roger Wattenhofer (ETH Zürich):
Programmieren I. Überblick. Institut für Angewandte Informatik. KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
Programmieren I Überblick KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Übersicht Programmieren Programmieren I (1. Semester) 4 Vorlesungs- und Übungsstunden / Woche 7,5 (!) Stunden
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 09 Clustering Fabian Fuchs 03. Dezember 205 (Version ) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des Landes
Algorithmen II Vorlesung am
Algorithmen II Vorlesung am 17.01.013 Parametrisierte Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales 7.
Algorithmen II Vorlesung am
Algorithmen II Vorlesung am 07..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum
Bully-Algorithmus Krebs Florian, Kus Matthias, Pisselhoy Andreas, Schwab Benjamin, Heinrich Jörg
Bully-Algorithmus Krebs Florian, Kus Matthias, Pisselhoy Andreas, Schwab Benjamin, Heinrich Jörg Programmierung verteilter Systeme Lab Institut für Informatik Universität Augsburg Universitätsstraße 14,
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 04 Topologiekontrolle Fabian Fuchs 04. Nov. 2015 (Version 2) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT Universität des
Theoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Übung am 3..2 INSTITUT FÜR THEORETISCHE KIT 7..2 Universität des Andrea Landes Schumm Baden-Württemberg - Theoretische und Grundlagen der Informatik INSTITUT FÜR
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Programmieren I. Überblick. Institut für Angewandte Informatik. KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft
Programmieren I Überblick KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Übersicht Programmieren Programmieren I (1. Semester) 4 Vorlesungs- und Übungsstunden / Woche 1 Stunde
Seminar Algorithmische Geometrie
Seminar Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Bastian Katz Marcus Krug Martin Nöllenburg Ignaz Rutter KIT Universität des Landes
8. Übung Algorithmen I
INSTITUT FÜR THEORETISCHE INFORMATIK 1 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft Institut für Theoretische www.kit.edu Informatik Grundlagen
Informatikgrundlagen (WS 2016/2017)
Informatikgrundlagen (WS 2016/2017) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
Informatik II Algorithmen & Datenstrukturen
lausthal Informatik II Algorithmen & Datenstrukturen Organisatorisches. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Ziel der Vorlesung 1. Eine (kleine) Anzahl von sehr grundlegenden Algorithmen
Informatik 1 (WS 2018/2019)
Informatik 1 (WS 2018/2019) Klaus Berberich (klaus.berberich@htwsaar.de) Wolfgang Braun (wolfgang.braun@htwsaar.de) 0. Organisatorisches Dozenten Klaus Berberich (klaus.berberich@htwsaar.de) Sprechstunde
Algorithmen in Online-Systemen
Kurzvortrag - Lehrstuhl Algorithmik I - Prof. Dr. Wagner 1 Florian Drews, Richard Hertel: KIT Universität des Landes Baden-Württemberg und nationales Grossforschungszentrum in der Helmholtz-Gemeinschaft
Modelling in the Wild Domains and Abstraction in Model-Driven Software Development
Modelling in the Wild Domains and Abstraction in Model-Driven Software Development SoSe 2013 und WS 2013/14 Prof. Dr. Ralf Reussner, Michael Langhammer, Erik Burger, Max Kramer 15. April 2013 LEHRSTUHL
Einführung in die Programmierung. Organisatorisches. Skript zur Vorlesung Einführung in die Programmierung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Einführung in die Programmierung Organisatorisches Skript zur Vorlesung Einführung in die Programmierung im Wintersemester
Vorlesung Programmieren
Vorlesung Programmieren 14 Parsen, Suchen und Sortieren 19./26.01.2015 Prof. Dr. Ralf H. Reussner Version 1.0 LEHRSTUHL FÜR SOFTWARE-DESIGN UND QUALITÄT (SDQ) INSTITUT FÜR PROGRAMMSTRUKTUREN UND DATENORGANISATION
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010
Algorithmen für Routenplanung 2. Sitzung, Sommersemester 2010 Thomas Pajor 26. April 2010 INSTITUT FÜR THEORETISCHE INFORMATIK ALGORITHMIK I PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg
2. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
Theoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 01. Dezember 2011 INSTITUT FÜR THEORETISCHE 0 KIT 01.12.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der
Heute. Algorithmen für Ad-hoc- und Sensornetze. Verbindungsmodelle. Ein Rückblick auf Modelle. DM konstante BIG. QUBG Quasi-Unit-Ball- UBG Unit-Ball-
Heute Algorithmen für Ad-hoc- und Sensornetze VL 13 Der Schluss Markus Völker 18. Juli 2012 (Version 1) Modellüberblick, Trends & Exoten Mobilität Geometrie in dichten Netzen INSTITUT FÜR THEORETISCHE
Kapitel 1 Parallele Modelle Wie rechnet man parallel?
PRAM- PRAM- DAG- R UND R Coles und Kapitel 1 Wie rechnet man parallel? Vorlesung Theorie Paralleler und Verteilter Systeme vom 11. April 2008 der Das DAG- Das PRAM- Das werkmodell Institut für Theoretische
RO-Tutorien 15 und 16
Tutorien zur Vorlesung Rechnerorganisation Tutorienwoche 10 am 29.06.2011 1 Christian A. Mandery: KIT Universität des Landes Baden-Württemberg und nationales Grossforschungszentrum in der Helmholtz-Gemeinschaft
INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS
Julian Arz, Timo Bingmann, Sebastian Schlag INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Julian Universität Arz, des Timo LandesBingmann, Baden-Württemberg Sebastian und Schlag nationales
Algorithmen für Ad-hoc- und Sensornetze VL 10 Eine kurze Geschichte vom Färben
Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben Dr. rer. nat. Bastian Katz. Juli 2009 (Version 3 vom 3. Juli 2009) Motivation Kommunikation im drahtlosen Kanal ist nicht beliebig
Algorithmen für Planare Graphen
Algorithmen für Planare Graphen 12. Juni 2018, Übung 4 Lars Gottesbüren, Michael Hamann INSTITUT FÜR THEORETISCHE INFORMATIK KIT Die Forschungsuniversität in der Helmholtz-Gemeinschaft www.kit.edu Prüfungstermine
Graphgeneratoren. Praktikm Algorithm Engineering Sommer 2011 LEHRSTUHL FÜR ALGORITHMIK I+II
Graphgeneratoren Praktikm Algorithm Engineering Sommer 2011 LEHRSTUHL FÜR ALGORITHMIK I+II KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu
Vorlesung Programmieren
Vorlesung Programmieren 11 Rekursion Jun.-Prof. Dr.-Ing. Anne Koziolek Version 1.1 ARBEITSGRUPPE ARCHITECTURE-DRIVEN REQUIREMENTS ENGINEERING (ARE) INSTITUT FÜR PROGRAMMSTRUKTUREN UND DATENORGANISATION
9. Übung Algorithmen I
Timo Bingmann, Christian Schulz INSTITUT FÜR THEORETISCHE INFORMATIK, PROF. SANDERS 1 KIT Timo Universität Bingmann, des LandesChristian Baden-Württemberg Schulz und nationales Forschungszentrum in der
Architektur verteilter Anwendungen
Architektur verteilter Anwendungen Schwerpunkt: verteilte Algorithmen Algorithmus: endliche Folge von Zuständen Verteilt: unabhängige Prozessoren rechnen tauschen Informationen über Nachrichten aus Komplexität:
PSE: Visualisierung von Programmgraphen
M. Radermacher, S. Bischof, S. Buchwald, M.Hecker IPD Snelting, ITI Wagner KIT Universita t des Landes Baden-Wu rttemberg und nationales Großforschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu
Digitale Signaturen. RSA-FDH & das Random Oracle Model Jiaxin Pan (Slides from Björn Kaidel and Gunnar Hartung)
Digitale Signaturen RSA-FDH & das Random Oracle Model Jiaxin Pan (Slides from Björn Kaidel and Gunnar Hartung) FAKULTÄT FÜR INFORMATIK, INSTITUT FÜR THEORETISCHE INFORMATIK 0 2018-10-26 B. Kaidel Digitale
Algorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
Übung zur Vorlesung Programmierung
RWTH Aachen Lehrgebiet Theoretische Informatik Frohn Reidl Rossmanith Sánchez Ströder WS 2013/14 Übungsblatt 8 16.12.2013 Übung zur Vorlesung Programmierung Aufgabe T15 Betrachten Sie folgende Klassen:
Proseminar Perlen der Theoretischen Informatik
Proseminar Perlen der Theoretischen Informatik Vorbesprechung 24. April 2017 Roman Prutkin INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Algorithmen für Ad-hoc- und Sensornetze VL 11 Kapazität und Scheduling
Algorithmen für Ad-hoc- und Sensornetze VL 11 Kapazität und Scheduling Dr. rer. nat. Bastian Katz 8. Juli 2009 (Version 2 vom 13. Juli 2009) Motivation Wenn man Übertragungen optimal zeitlich plant, kann
Memory Models Frederik Zipp
Memory Models Frederik Zipp Seminar: Programmiersprachen für Parallele Programmierung (SS 2010) Fakultät für Informatik - IPD SNELTING LEHRSTUHL PROGRAMMIERPARADIGMEN 1
Algorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
Vorlesung Netzwerkcodierung
Sommersemester 2010 Organisation Im Internet: http://www.ifn.et.tu-dresden.de/tnt/lehre/vl/nwcod Vorlesungen finden wöchentlich statt: Donnerstag, 5. DS, BAR 213 Übungen finden 2-wöchentlich statt: Freitag,
Vorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
Algorithmen für Ad-hoc- und Sensornetze
Algorithmen für Ad-hoc- und Sensornetze VL 08 Data Gathering mit Network Coding Fabian Fuchs 26. Nov. 2015 (Version 2) INSTITUT FÜR THEORETISCHE INFORMATIK - LEHRSTUHL FÜR ALGORITHMIK (PROF. WAGNER) KIT
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 10, Henning Meyerhenke
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 10, 11.01.2012 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum
Einführung in die Programmierung
Einführung in die Programmierung Organisatorisches Prof. Dr. Peer Kröger, Florian Richter, Michael Fromm Wintersemester 2018/2019 Allgemeine Informationen zum Studium Studiengangskoordinator (Hauptfach
Wahlalgorithmen auf beliebigen Netzstrukturen. Verteilte Algorithmen (VA), WS 2003/04 43
Wahlalgorithmen Überblick/Problemstellung Wahlalgorithmen auf Ringstrukturen Beispiel TokenRing Wahlalgorithmen auf Baumstrukturen Wahlalgorithmen auf beliebigen Netzstrukturen Verteilte Algorithmen (VA),
Motivation Algorithmen für Ad-hoc- und Sensornetze. Ad-hoc-Lösung: CSMA/CA. VL 10 Eine kurze Geschichte vom Färben
Motivation Algorithmen für Ad-hoc- und Sensornetze VL 0 Eine kurze Geschichte vom Färben Dr. rer. nat. Bastian Katz. Juli 009 (Version vom. Juli 009) Kommunikation im drahtlosen Kanal ist nicht beliebig
Positionsbasiertes Routing in mobilen Ad-hoc Netzwerken
Positionsbasiertes Routing in mobilen Ad-hoc Netzwerken KM-/VS-Seminar Wintersemester 2002/2003 Betreuer: Oliver Wellnitz 1 Überblick Einleitung Eigenschaften von Ad-hoc Netzwerken Grundlagen von positionsbasierten
Wie wird ein Graph dargestellt?
Wie wird ein Graph dargestellt? Für einen Graphen G = (V, E), ob gerichtet oder ungerichtet, verwende eine Adjazenzliste A G : A G [i] zeigt auf eine Liste aller Nachbarn von Knoten i, wenn G ungerichtet
Algorithmen und Berechnungskomplexität I
Algorithmen und Berechnungskomplexität I Prof. Dr. Institut für Informatik Wintersemester 2013/14 Organisatorisches Vorlesung Dienstag und Donnerstag, 12:30 14:00 Uhr (HS 1) Übungen 16 Übungsgruppen Anmeldung
Das Problem des minimalen Steiner-Baumes
Das Problem des minimalen Steiner-Baumes Ein polynomieller Approximationsalgorithmus Benedikt Wagner 4.05.208 INSTITUT FU R THEORETISCHE INFORMATIK, LEHRSTUHL ALGORITHMIK KIT Die Forschungsuniversita t
Algorithmen und Datenstrukturen in der Bioinformatik
Algorithmen und Datenstrukturen in der Bioinformatik Vorlesung von Dr. Gunnar Klau Wintersemester 2005/2006, FU Berlin gunnar@math.fu-berlin.de http://www.math.fu-berlin.de/~gunnar 1 Aus dem Vorlesungsverzeichnis:
Digitale Signaturen. Einführung Gunnar Hartung, Björn Kaidel. FAKULTÄT FÜR INFORMATIK, INSTITUT FÜR THEORETISCHE INFORMATIK
Digitale Signaturen Einführung Gunnar Hartung, Björn Kaidel FAKULTÄT FÜR INFORMATIK, INSTITUT FÜR THEORETISCHE INFORMATIK 0 2016-10-21 G. Hartung, B. Kaidel Digitale Signaturen: Einführung KIT Die Forschungsuniversität
Abteilung für Didaktik der Mathematik
Kaiserstraße 12 76131 Karlsruhe KIT-Campus Süd Postfach 6980 76049 Karlsruhe Über die Schulleitung und über die Fachabteilung Mathematik an die Fachlehrer Mathematik der öffentlichen und privaten allgemein
Drahtlose Kommunikation. Organisation
Drahtlose Kommunikation Organisation Dozenten Prof. Dr. Hannes Frey AG Rechnernetze Raum: B 208 Mail: frey@uni koblenz.de Feste Sprechzeiten: Mi 14:00 15:00 oder am besten direkt nach der Vorlesung oder
Algorithmen für Sensornetze
Algorithmen für Sensornetze Markus Völker 02. Februar 2010 Lokalisierung in Gebäuden Lokalisierung Ausgangssituation? Lokalisierung Ziel! Lokalisierung Signalabfall in Gebäuden Signalabfall mit ca. 1/d
Seminar Algorithmentechnik
Seminar Algorithmentechnik Institut für Theoretische Informatik Lehrstuhl für Algorithmik I Prof. Dorothea Wagner Karlsruhe Seminar Institut Algorithmentechnik für Technologie (KIT) Fakultät für Informatik
Virtual-Ring-Routing (VRR)
TU-Berlin Fakultät IV:INET WS2008 Virtual-Ring-Routing (VRR) Veranstaltung Internet Routing Vortrag am 7.3.2008 von Krzysztof Ibek Fahrplan Motivation Mesh-Landschaft Techniken, Protokolle VRR Ansatz Funktionsweise
Seminar über Algorithmen
Seminar über Algorithmen Geographisches Routing von Stephan Hagendorf Inhalt Einleitung / Wiederholung Modell Geographische Routing Greedy Routing Face Routing Adaptive/Bounded Face Routing Other Face
Mail Integration Solution White Paper
Integration Solution White Paper Inhalt Allgemeine Information... 3 IMAP... 3 Rapid Automation (RA)... 3 RA Agent... 3 RA Solution... 3 Integration Solution... 4 Anwendungsfälle... 5 Download eingehender
Abteilung für Didaktik der Mathematik
Kaiserstraße 12 76131 Karlsruhe KIT-Campus Süd Postfach 6980 76049 Karlsruhe Über die Schulleitung und über die Fachabteilung Mathematik an die Fachlehrer Mathematik der öffentlichen und privaten allgemein