Lösung: Lösung - Klausur
|
|
- Dominic Bernt Schuster
- vor 5 Jahren
- Abrufe
Transkript
1 für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Lösung - Klausur.09.0 hristian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder ufgabe (O-Notation): ( + 6 = Punkte) a) Tragen Sie in die durch gekennzeichneten freien Felder entweder o, ω oder Θ ein, sodass die entsprechende ussage gilt. Beispielsweise wäre bei der ussage f (n) (f (n)) ein Θ einzutragen, da die ussage f (n) Θ(f (n)) gilt, die ussagen f (n) o(f (n)) und f (n) ω(f (n)) jedoch beide nicht gelten. ) ( (i n i ) n 7 i=0 n 7 ( ) 0 n n n log 8 (n) ( ) n n ) 7 (n i i=0 n! (n n ) ( ) ( n 8 ) n ( n ) n i i=0 n i= (n) (log (n)) ( ) n i + i ( n ) b) Beweisen oder widerlegen Sie, dass für Funktionen f : N R 0 und g : N R 0 gilt: f (n) + g(n) O (f (n) g(n)) Lösung: a) ) (i n i o ( n 7) i=0 n 7 Θ n log 8 (n) o ( n ) ( ) 0 n n n ω ( 97897) ) 7 (n i o ( n 8) i=0
2 für Informatik Lösung - Klausur.09.0 n! o (n n ) n o ( n ) n i Θ (n) i=0 n ω (log (n)) ( ) n i + Θ ( n ) i i= b) Behauptung: Die ussage gilt nicht. Beweis: Gegenbeispiel: Sei f (n) = 0 und g(n) = n. Dann gilt f (n) + g(n) = 0 + n = n und f (n) g(n) = 0 n = 0. Es gibt aber offensichtlich kein c und n 0, sodass für alle n n 0 gilt: f (n) + g(n) = n 0 = c 0 = c f (n) g(n)
3 für Informatik ufgabe (Rekursionsgleichungen): a) Geben Sie für das Programm int berechne ( int n) { if (n <= ) return ; Lösung - Klausur.09.0 (0 + 8 = 8 Punkte) int value = func (n); int k = 7; while (k >= ) { value = * berechne (n/k); k = k - ; } } return value ; int func ( int n) { int res = 0; while (n > ) { res = res + ; n = n /; } } return res ; eine Rekursionsgleichung für die asymptotische Laufzeit des ufrufes berechne(n) in bhängigkeit von n an. Die elementaren, also die für die asymptotische Laufzeit relevanten, Operationen sind alle arithmetischen Operationen sowie Vergleiche. Sie brauchen die Basisfälle der Rekursionsgleichung nicht anzugeben. b) Bestimmen Sie für die Rekursionsgleichung T (n) = 8 T ( n ) + n + n die Komplexitätsklasse Θ mit Hilfe des Master-Theorems. Begründen Sie Ihre ntwort. Lösung: a) func(n) hat logarithmische Laufzeit im Parameter n, da in der while-schleife der aktuelle Wert von n immer wieder durch zwei geteilt wird (was größenordnungsmäßig logarithmisch oft möglich ist, bis erreicht wird). Jeder ufruf von berechne(n) führt nacheinander zu den ufrufen berechne(n/7), berechne(n/6) und berechne(n/), da in der while-schleife k die Werte 7, 6 und annimmt. Somit ergibt sich die folgende Rekursionsgleichung für die asymptotische Laufzeit von berechne(n): T (n) = T ( n 7 ) + T ( n 6 ) + T ( n ) + log(n) T (0) = T () = b) Es sind b = 8, c = und f (n) = n + n. E wird nun wie folgt bestimmt: E = log(8) log() = =.
4 für Informatik Lösung - Klausur.09.0 Damit gilt n E = n.. Wähle nun ε =. = 0.. Wir bestimmen nun den folgenden Grenzwert: f (n) lim n n E ε n + n = lim n n. 0. n + n = lim n n = lim + n n = + 0 = Damit gilt f (n) Θ ( n E ε). Somit findet der erste Fall des Master-Theorems nwendung und es ergibt sich die Komplexitätsklasse Θ ( n E) für T (n), also T (n) Θ ( n.).
5 für Informatik Lösung - Klausur.09.0 ufgabe (Sortieren): ( = Punkte) a) Sortieren Sie das folgende rray mithilfe von Mergesort. Geben Sie dazu das rray nach jeder Merge- Operation an. Die vorgegebene nzahl an Zeilen muss nicht mit der benötigten nzahl an Zeilen übereinstimmen b) Sortieren Sie das folgende rray mithilfe von Heapsort. Geben Sie dazu das rray nach jeder Swap-Operation an. Die vorgegebene nzahl an Zeilen muss nicht mit der benötigten nzahl an Zeilen übereinstimmen c) Eine Firma hat ein Fließband, auf welchem eine Folge von Gegenständen vorwärts und rückwärts befördert werden kann. Jeder Gegenstand ist mit einem Barcode versehen, welcher eine Zahl repräsentiert. n einer Stelle des Fließbandes befindet sich eine Maschine, welche zwei sich hintereinander an dieser Stelle auf dem Fließband befindliche Gegenstände bzgl. der durch ihren Barcode repräsentierten Zahl miteinander vergleichen und, falls sich die Gegenstände nicht in richtiger Reihenfolge befinden, die Position der beiden Gegenstände auf dem Fließband miteinander vertauschen kann. Die ausgelesenen Zahlen kann die Maschine jedoch nicht nach außen kommunizieren (d. h. der Maschine kann nur ein Signal gegeben werden, ihre Vergleichs- und Tauschoperation durchzuführen, aber die Maschine sendet keine andere Information zurück als diejenige, dass sie ihre Operation beendet hat). Die Firma möchte eine Steuerung des Fließbandes und der Maschine einbauen, welche das Fließband jeweils einen Gegenstand vorwärts bzw. rückwärts bewegen und die Maschine veranlassen kann, ihre Vergleichs- und Tauschoperation durchzuführen. Die Steuerung soll dafür sorgen, dass die Folge der Gegenstände sortiert wird. Welches Sortierverfahren aus der Vorlesung würden Sie der Steuerung zugrunde legen? Begründen Sie Ihre ntwort kurz (d. h. mit nicht mehr als 0 Worten). Lösung: a)
6 für Informatik Lösung - Klausur.09.0 b) c) Für dieses Szenario eignet sich nur Bubblesort, da es das einzige Verfahren aus der Vorlesung ist, welches lediglich Vergleiche und Tauschoperationen auf benachbarten Elementen benötigt. 6
7 für Informatik Lösung - Klausur.09.0 ufgabe (Hashing): ( + = 6 Punkte) a) Fügen Sie die folgenden Werte in das unten stehende rray a der Länge unter Verwendung der Divisionsmethode mit linearer Sondierung ein:, 7,, 7, 6,. b) Fügen Sie die folgenden Werte in das unten stehende rray a der Länge unter Verwendung der Divisionsmethode mit quadratischer Sondierung (c = 0.0, c =.0) ein: 6, 9, 7, 9, 0, 8. Lösung: a) m = : b) m =, c = 0.0, c =.0:
8 für Informatik Lösung - Klausur.09.0 ufgabe (Bäume): ( = 7 Punkte) a) Löschen Sie den Wert aus dem folgenden VL-Baum und geben Sie die entstehenden Bäume nach jeder Löschoperation sowie jeder Rotation an. Markieren Sie außerdem zu jeder Rotation, welcher Knoten in welche Richtung rotiert wird: b) Fügen Sie den Wert in den folgenden Rot-Schwarz-Baum ein und geben Sie die entstehenden Bäume nach jeder Einfügeoperation, jeder Rotation sowie jeder Umfärbung an. Markieren Sie außerdem zu jeder Rotation, welcher Knoten in welche Richtung rotiert wird. Mehrere Umfärbungen können Sie in einem Schritt zusammenfassen. Beachten Sie, dass rote Knoten rund und schwarze Knoten eckig dargestellt werden. c) Zeigen Sie per Induktion über h: Hat ein Knoten v eines Rot-Schwarz-Baums die Höhe h, so besitzt der Teilbaum mit Wurzel v mindestens bh(v) innere Knoten. Hinweise: bh(v) bezeichnet die Schwarzhöhe des Knoten v, also die nzahl von schwarzen Knoten auf einem Pfad von v zu einem externen Blatt, wobei der Knoten v nicht mitzählt. Die Höhe h(v) eines Knoten v ist nzahl der Kanten des längsten Pfades von v bis zu einem externen Blatt. Innere Knoten sind Knoten des Baumes, die keine externen Blätter sind. Es ist hilfreich, bei der Induktionsannahme davon auszugehen, dass die ussage für alle Höhen h mit 0 h < h gilt. 8
9 für Informatik Lösung - Klausur.09.0 Lösung: a) entferne rotiere nach links b) füge ein 9
10 für Informatik Lösung - Klausur.09.0 Fall (Onkel ist null und damit schwarz und aktueller Knoten liegt innen): rotiere nach rechts Fall (Onkel ist null und damit schwarz und aktueller Knoten liegt außen): rotiere nach links 0
11 für Informatik Lösung - Klausur.09.0 Fall (Fortsetzung): umfärben c) Induktionsanfang: h = 0: Die einzigen Knoten v mit Höhe 0 sind die externen Knoten. Damit ist die nzahl der inneren Knoten des Teilbaums 0 und ebenso ist bh(v) = 0 = 0. Induktionshypothese: Für alle Knoten v eines Rot-Schwarz-Baums mit Höhe 0 h(v ) < h, hat der Teilbaum mit Wurzel v mindestens bh(v ) innere Knoten. Induktionsschritt: Betrachten wir einen Knoten v mit Höhe h > 0 und seine Nachfolger v l und v r. Ist v l rot, dann gilt bh(v l ) = bh(v) und sonst bh(v l ) = bh(v). naloges gilt für v r. Wegen h(v l ) < h und h(v r ) < h ist nach Induktionsvoraussetzung die nzahl der inneren Knoten in den beiden Teilbäumen von v also jeweils mindestens bh(v). Da v ein innerer Knoten ist, hat der Teilbaum mit Wurzel v mindestens innere Knoten. ( bh(v) ) + }{{}}{{} = bh(v) + = bh(v) je Teilbaum v
12 für Informatik Lösung - Klausur.09.0 ufgabe 6 (Graphen): ( = 0 Punkte) a) Bestimmen Sie eine topologische Sortierung unter Verwendung des in der Vorlesung vorgestellten lgorithmus für den folgenden Graphen. Die Knoten in diesem Graphen sind mit jeweils einem Schlüssel und einer Dauer beschriftet. Im gesamten lgorithmus werden Knoten in aufsteigender alphabetischer Reihenfolge ihrer Schlüssel berücksichtigt. Geben Sie als Ergebnis die Liste der Knotenschlüssel zusammen mit ihrem jeweiligen frühesten Endzeitpunkt (eft) in aufsteigender Reihenfolge der Topologiewerte an. Markieren Sie außerdem einen kritischen Pfad, indem Sie die zugehörigen Knotenschlüssel unterstreichen, und geben Sie den gesamten frühesten Endzeitpunkt (eft) an., B,, D, E, F, G, H, I, b) Betrachten Sie den folgenden Graphen: B D E F 6 Führen Sie den Dijkstra lgorithmus auf diesem Graphen mit dem Startknoten aus. Falls mehrere Knoten für die nächste Iteration zur Wahl stehen, werden die Knoten dabei in alphabetischer Reihenfolge betrachtet. Füllen Sie dazu die nachfolgende Tabelle aus: Knoten B D E F c) Betrachten Sie das folgende Flussnetzwerk mit Quelle s und Senke t:
13 für Informatik Lösung - Klausur / 0/ 0/ 0/ 0/ 0/ 0/ Berechnen Sie den maximalen Fluss in diesem Netzwerk mithilfe der Ford-Fulkerson Methode. Geben Sie dazu jedes Restnetzwerk (auch das initiale) sowie nach jeder ugmentierung den aktuellen Zustand des Flussnetzwerks an. Geben Sie außerdem den Wert des maximalen Flusses an. Die vorgegebene nzahl an Lösungsschritten muss nicht mit der benötigten nzahl solcher Schritte übereinstimmen. Schritt : Schritt : Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss:
14 für Informatik Lösung - Klausur.09.0 Schritt : Schritt : Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: Schritt : Restnetzwerk: Schritt 6: Nächstes Flussnetzwerk mit aktuellem Fluss:
15 für Informatik Lösung - Klausur.09.0 Schritt 7: Schritt 8: Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: Schritt 9: Restnetzwerk: Der maximale Fluss hat den Wert: Lösung: a) Der gegebene Graph hat die folgende topologische Sortierung: (), B (), F (6), E (8), (9), D (), I (), H (), G () eft:
16 für Informatik Lösung - Klausur.09.0 Knoten E D F B b) D 8 E F 7 Die grau unterlegten Zellen markieren, an welcher Stelle für welchen Knoten die minimale Distanz sicher berechnet worden ist. Schritt 0: Initiales Flussnetzwerk: c) 0/ 0/ 0/ 0/ 0/ 0/ 0/ 6
17 für Informatik Lösung - Klausur.09.0 Schritt : Schritt : Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: / 0/ / 0/ 0/ 0/ 0/ Schritt : Schritt : Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: / 0/ / / / 0/ 0/ 7
18 für Informatik Lösung - Klausur.09.0 Schritt : Schritt 6: Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: / 0/ / / / / / Schritt 7: Schritt 8: Restnetzwerk: Nächstes Flussnetzwerk mit aktuellem Fluss: / / / / / / / 8
19 für Informatik Lösung - Klausur.09.0 Schritt 9: Restnetzwerk: Der maximale Fluss hat den Wert: 6 9
20 für Informatik Lösung - Klausur.09.0 ufgabe 7 (lgorithmenentwurf): ( + 8 = 0 Punkte) Gegeben seien die Werte einer ktie an n aufeinanderfolgenden Tagen {0,..., n } in Form eines textttint rrays E der Länge n. Steht also in E[i] ein Wert v, so hatte die ktie an Tag i den Wert v. Der ktienspann eines Tages i ist die maximale nzahl der direkt aufeinanderfolgenden, vorhergehenden Tage (inklusive des aktuellen Tags), an dem der ktienwert höchstens so hoch wie am Tag i war. Formal ist der ktienspann eines Tages i {0,..., n } also die maximale nzahl s i der Tage t,..., t si mit t j {0,..., n } für j {,..., s i }, für die gilt: t si = i (d. h. der letzte Tag der Folge t,..., t si ist der Tag i selbst) t j + = t j+ für j {,..., s i } (d. h. die Tage in t,..., t si folgen ohne Unterbrechung direkt aufeinander) E[t j ] E[i] für j {,..., s i } (d. h. an jedem Tag dieser Folge hatte die ktie einen höchstens so hohen Wert wie am Tag i) a) Betrachten Sie das folgende Eingabearray E, das die Werte einer ktie an 7 aufeinanderfolgenden Tagen wiedergibt: [,,,,, 6, ] Eine graphische Repräsentation dieser Werte sieht wie folgt aus: 6 ktienwert Tag Berechnen Sie für alle Tage den ktienspann und tragen Sie ihn in das nachfolgende rray ein, sodass an Index i der ktienspann des Tages i steht. Die Lösung für Tag 0 ist bereits vorgegeben. b) Geben Sie einen lgorithmus in Pseudocode an, der zu einem gegebenen Eingabearray E der Länge n von ktienwerten ein usgabearray S berechnet, sodass an S[i] der ktienspann des Tages i steht. Die Laufzeit Ihres lgorithmus soll dabei eine Worst-ase-Komplexität in O(n) besitzen, wobei für die Komplexität arithmetische Operationen, Vergleiche und Speicherzugriffe zu berücksichtigen sind. Begründen Sie kurz (maximal 70 Worte), wieso ihr lgorithmus die Laufzeitschranke einhält. Hinweise: Es kann hierbei hilfreich sein, von rechts nach links über das rray zu iterieren (wobei bereits eine einzige Iteration ausreicht) sowie einen Stack zu benutzen. Zur Erinnerung: der DT Stack bietet die folgenden Operationen: bool isempty(stack s) (liefert true gdw. der Stack s leer ist) void push(stack s, Element e) (legt das Element e oben auf den Stack s) 0
21 für Informatik Lösung - Klausur.09.0 Element pop(stack s) (entfernt das oberste Element des nicht-leeren Stacks s und liefert dieses zurück) Zusätzlich dürfen Sie davon ausgehen, dass der DT Stack die folgende Operation zur Verfügung stellt: Element peek(stack s) (liefert das oberste Element des nicht-leeren Stacks s zurück, ohne es von s zu entfernen) lle diese Operationen besitzen eine Worst-ase-Laufzeit in O(). Lösung: a) Die ktienspänne lauten wie folgt: 6 b) void aktienspann ( int E[], int S[], int n) { Stack < int > positionstack ; for ( int j = n - ; j >= 0; j - -) { while (! isempty ( positionstack )) { if (E[ peek ( positionstack )] < E[j]) { int topelement = pop ( positionstack ); S[ topelement ] = topelement - j; } } push ( positionstack, j); } } // Behandle alle Tage an denen der Wert hoeher // war als an allen vorherigen Tagen. while (! isempty ( positionstack )) { topelement = pop ( positionstack ); S[ topelement ] = topelement + ; } Die textttfor-schleife wird n-mal durchlaufen. Die beiden textttwhile-schleifen werden insgesamt ebenfalls n-mal durchlaufen, da jedes Element genau einmal auf den Stack gelegt und wieder davon entfernt wird. Da ansonsten alle Schleifen nur konstant viele nweisungen enthalten, deren Laufzeit jeweils in O() ist, ergibt sich eine Gesamtlaufzeit in O(n).
22 für Informatik Lösung - Klausur.09.0 ufgabe 8 (Dynamische Programmierung): (7 + 6 = Punkte) a) Bestimmen Sie die längste gemeinsame Teilsequenz der Sequenzen KER und KTE. Benutzen Sie hierfür den in der Vorlesung vorgestellten lgorithmus mit dynamischer Programmierung und füllen Sie die folgende Tabelle aus. Eine leere Sequenz können Sie durch - angeben. b) Eine D hat eine verfügbare Laufzeit von k N >0 Minuten. ußerdem haben wir eine Liste S = [s,..., s n ] von Songlaufzeiten in Minuten (der i-te Song hat also eine Laufzeit von exakt s i N >0 Minuten). Wir möchten nun eine uswahl der Songs auf die D brennen, sodass die Laufzeit der D möglichst gut ausgenutzt wird (d. h. die ungenutzte Restzeit soll minimiert werden ohne die verfügbare Laufzeit zu überschreiten) und jeder Song höchstens einmal auf der D enthalten ist (während gleiche Songlaufzeiten durchaus mehrfach in S auftreten können, sind die Songs, die dieser Liste zugrunde liegen, paarweise verschieden). Beispiel: Sei k = 0 und S = [,, 6, ] die Liste der Songlaufzeiten. Brennt man die Songs mit den Laufzeiten und auf die D, so erhält man eine Restlaufzeit von Minuten, welche nicht weiter verwendet werden kann. Brennt man hingegen die Songs mit den Laufzeiten und 6 auf die D, so bleibt keine Restlaufzeit übrig. Dies wäre eine optimale Lösung für das gegebene Problem (es kann mehrere optimale Lösungen für eine Probleminstanz geben, wobei die entsprechende Restlaufzeit natürlich gleich sein muss). Geben Sie eine Rekursionsgleichung für das Teilproblem (i, l) an, wobei (i, l) die minimale Restlaufzeit für eine D mit verfügbarer Laufzeit 0 l k und den Songs mit Laufzeiten s,..., s i ist, wobei 0 i n gilt (bei i = 0 ist die Liste der Songlaufzeiten leer). Lösung: a) Die Tabelle wird vom lgorithmus wie folgt gefüllt: K T E K 0 E 0 R 0 Längste gemeinsame Teilsequenz: KE b) l für i = 0, (i, l) = min{(i, l), (i, l s i )} für i > 0, l s i, (i, l) sonst.
Tutoraufgabe 1 (Starke Zusammenhangskomponenten):
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Allgemeine Hinweise: Datenstrukturen und Algorithmen SS1 Übungsblatt (Abgabe 4.0.01) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder
MehrDer Rekursionsbaum hat
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Klausur.09.0 F. Corzilius, S. Schupp, T. Ströder Aufgabe (Laufzeitanalyse): a) Beweisen oder widerlegen Sie: log(n) O( n) ( + + + = 9
MehrTutoraufgabe 1 (Floyd-Warshall):
für Informatik Prof. aa r. Ir. Joost-Pieter Katoen atenstrukturen und lgorithmen SS hristian ehnert, Friedrich Gretz, enjamin Kaminski, Thomas Ströder Tutoraufgabe (Floyd-Warshall): etrachten Sie den folgenden
Mehr2 i. i=0. und beweisen Sie mittels eines geeigneten Verfahrens die Korrektheit der geschlossenen Form.
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Vollständige Induktion): Finden Sie eine geschlossene Form für die
Mehrf 1 (n) = log(n) + n 2 n 5 f 2 (n) = n 3 + n 2 f 3 (n) = log(n 2 ) f 4 (n) = n n f 5 (n) = (log(n)) 2
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Präsenzübung.05.0 F. Corzilius, S. Schupp, T. Ströder Aufgabe (Asymptotische Komplexität): (6 + 0 + 6 = Punkte) a) Geben Sie eine formale
MehrTutoraufgabe 1 (Vollständige Induktion):
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Tutoriumslösung - Übung 5 (Abgabe..0) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe 1 (Vollständige Induktion):
Mehrlim log 2n n = > 0 Da es einen Limes gibt, gibt es auch einen Limes inferior, der gleich diesem Limes ist.
Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Jonathan Heinen, Thomas Ströder, Sabrina von Styp Aufgabe 1 (O-Notation): Beweisen oder widerlegen Sie die folgenden Aussagen: (3 + 3 + 4 = 10 Punkte)
MehrPräsenzübung Datenstrukturen und Algorithmen SS 2014
Prof. aa Dr. E. Ábrahám F. Corzilius, S. Schupp, T. Ströder Präsenzübung Datenstrukturen und Algorithmen SS 2014 Vorname: Nachname: Studiengang (bitte genau einen markieren): Informatik Bachelor Informatik
MehrOrdnen Sie die folgenden Funktionen nach ihrer asymptotischer Komplexität in aufsteigender Reihenfolge: i=1 4i + n = 4 n. i=1 i + 3n = 4 ( n(n+1)
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Tutoriumslösung - Übung (Abgabe 9.04.05) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Asymptotische Komplexität):
Mehra) Geben Sie für die folgenden Paare von Mengen jeweils die Teilmengenbeziehung mit Hilfe der Symbole, und = an. lässt sich wie folgt umformen:
Prof. aa Dr. Ir. Joost-Pieter Katoen Datenstrukturen und Algorithmen SoSe 0 Klausur 0.09.0 Christian Dehnert Jonathan Heinen Thomas Ströder Sabrina von Styp Aufgabe (O-Notation: (9 + 4 + 7 = 0 Punkte a
MehrTutoraufgabe 1 (Sortieralgorithmus):
Prof. aa Dr. Ir. Joost-Pieter Katoen Datenstrukturen und Algorithmen SS Tutoriumslösung - Übung 4 (Abgabe 2..2) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Sortieralgorithmus):
Mehrvoid bellford ( List adjlst [n], int n, int i, int j){ int d[n] = + inf ; d[i] = 0;
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Datenstrukturen und Algorithmen SS5 hristian Dehnert, Friedrich Gretz, enjamin Kaminski, Thomas Ströder Tutoraufgabe (ellman-ford Algorithmus): a) Passen
MehrOrdnen Sie die folgenden Funktionen nach ihrer asymptotischer Komplexität in aufsteigender Reihenfolge: i=1 4i + n = 4 n. i=1 i + 3n = 4 ( n(n+1)
für Informatik Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Asymptotische Komplexität): Ordnen Sie die folgenden Funktionen nach
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 15 P Hinweise: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrLösung: Datenstrukturen und Algorithmen SoSe 2012, Klausur Lösung
Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Jonathan Heinen, Thomas Ströder, Sabrina von Styp Aufgabe 1 (O-Notation): (6 + 6 + 8 = 0 Punkte) a) Sortieren Sie für die unten gegebenen Funktionen
MehrKlausur Datenstrukturen und Algorithmen SoSe 2012
Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Jonathan Heinen, Thomas Ströder, Sabrina von Styp Klausur Datenstrukturen und Algorithmen SoSe 2012 Vorname: Nachname: Studiengang (bitte genau einen
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite Aufgabe. / 6 P Instruktionen: ) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern Sie
MehrÜbersicht. Datenstrukturen und Algorithmen. Übersicht. Motivation. Vorlesung 10: Binäre Suchbäume
Übersicht Datenstrukturen und lgorithmen Vorlesung : Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-/dsal/ 1 Suche Einfügen
MehrAufgabe 1 O-Notation (2+3+5=10 Punkte)
1 Aufgabe 1 O-Notation (2+3+=10 Punkte) Zeigen oder widerlegen Sie die folgenden Aussagen: a) n 2 +log n Θ(n 2 ) Ist die Aussage wahr, so muss gelten: 0 < lim n + n 2 +logn n 2
MehrÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 20. Juli 2016 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Stephan Schulz
Matrikelnummer: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 01 B/C/K ÜBUNGSKLAUSUR Studienhalbjahr:. Semester Datum: 0. Juli 01 Bearbeitungszeit: 90 Minuten Modul: TINF100.1 Dozent:
MehrTutoraufgabe 1 (Sortieren): Lösung: Datenstrukturen und Algorithmen SS14 Lösung - Übung 4
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Übung F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe (Sortieren): a) Sortieren Sie das folgende Array durch Anwendung des Selectionsort-Algorithmus.
MehrTutoraufgabe 1 (SCC):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS F. Corzilius, S. Schupp, T. Ströder Allgemeine Hinweise: Die Hausaufgaben sollen in Gruppen von je bis Studierenden aus der gleichen Kleingruppenübung
MehrTutoraufgabe 1 (Vollständige Induktion): Tutoraufgabe 2 (Rotationen): Datenstrukturen und Algorithmen SS15 Übungsblatt 5 (Abgabe 3.6.
Prof. aa Dr. Ir. Joost-Pieter Katoen Allgemeine Hinweise: Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Die Hausaufgaben sollen in Gruppen von je - Studierenden aus der gleichen
MehrInformatik II: Algorithmen & Datenstrukturen. Blättern Sie nicht um bevor Sie dazu aufgefordert werden!
Albert-Ludwigs-Universität Institut für Informatik Prof. Dr. F. Kuhn Informatik II: Algorithmen & Datenstrukturen Montag, 29. August, 2014, 14:00 17:00 Name:...........................................................
MehrAlgorithmen und Datenstrukturen
Universität Innsbruck Institut für Informatik Zweite Prüfung 16. Oktober 2008 Algorithmen und Datenstrukturen Name: Matrikelnr: Die Prüfung besteht aus 8 Aufgaben. Die verfügbaren Punkte für jede Aufgabe
MehrUntersuchen Sie, inwiefern sich die folgenden Funktionen für die Verwendung als Hashfunktion eignen. Begründen Sie Ihre Antwort.
Prof. aa Dr. Ir. Joost-Pieter Katoen Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe 1 (Güte von Hashfunktionen): Untersuchen Sie, inwiefern sich die folgenden Funktionen
MehrÜbersicht. Datenstrukturen und Algorithmen. Übersicht. Heaps. Vorlesung 8: Heapsort (K6) Joost-Pieter Katoen. 7. Mai 2015
Datenstrukturen und Algorithmen Vorlesung 8: (K6) 1 Joost-Pieter Katoen Lehrstuhl für Informatik Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-15/dsal/ 7. Mai 015 3 Joost-Pieter
MehrDatenstrukturen: Mathematische Grundlagen. 26. Juli / 27
Datenstrukturen: Mathematische Grundlagen 26. Juli 2015 1 / 27 Asymptotik Die Groß-Oh Notation: f = O(g) Es gibt eine positive Konstante c > 0 und eine natürliche Zahl n 0 N, so dass f (n) c g(n) für alle
MehrDAP2-Klausur
DAP2-Klausur 09.10.2004 Vorname : Familienname: Ich studiere (Bitte markieren): Informatik (inkl. angewandte Informatik)/ Lehramt Informatik/Informationstechnik/ Physik/Mathe/Statistik/Sonstiges: Bitte
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrÜbung 3 Musterlösung
Prof aa Dr Ir Joost-Pieter Katoen Sebastian Junges, Benjamin Kaminski, David Korzeniewski, Tim Quatmann Hinweise: Übung 3 Musterlösung Die Lösungen müssen bis Donnerstag, den 03 Mai um 16:00 Uhr in den
MehrDatenstrukturen und Algorithmen (SS 2013)
Datenstrukturen und Algorithmen (SS 2013) Präsenzübung Musterlösung Dienstag, 28.05.2013 Aufgabe 1 (Allgemeine Fragen [20 Punkte]) 1. Tragen Sie in der folgenden Tabelle die Best-, Average- und Worst-Case-
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2014/2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen
MehrAufgabe (Schreibtischtest, lexikographische Ordnung)
Aufgabe (Schreibtischtest, lexikographische Ordnung) Führen Sie einen Schreibtischtest für den Algorithmus Bubblesort aus der VL für die folgenden Eingabe-Arrays durch. Geben Sie das Array S nach jedem
MehrKurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom Seite 1. Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15.
Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur vom 15.08.98 Seite 1 Musterlösungen zur Hauptklausur Kurs 1663 Datenstrukturen 15. August 1998 Kurs 1663 Datenstrukturen" Musterlösungen zur Klausur
MehrKlausur Theoretische Informatik I WS 2004/2005
Technische Universität Chemnitz Chemnitz, den 22.02.2005 Fakultät für Informatik Prof. Dr. Andreas Goerdt Klausur Theoretische Informatik I WS 2004/2005 Studiengang Mechatronik Aufgabe 1 (2+2+2 Punkte)
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2016 Patrick Schäfer, Humboldt-Universität zu Berlin Organisation Vorlesung: Montag 11 13 Uhr Marius Kloft RUD 26, 0 115 Mittwoch 11 13 Uhr Marius Kloft
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2017 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda: Sortierverfahren 1. Schreibtischtest 2. Stabilität 3. Sortierung spezieller Arrays 4. Untere
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2013/2014 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Stephan Friedrichs Klausur Algorithmen und
MehrInformatik B Sommersemester Musterlösung zur Klausur am
Informatik B Sommersemester 01 Musterlösung zur Klausur am 1.0.01 Leider wurde der Hinweis, dass alle Lösungen kurz (stichpunktartig), aber inhaltlich ausreichend zu kommentieren sind, nicht immer beachtet.
MehrHeapsort / 1 A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8]
Heapsort / 1 Heap: Ein Array heißt Heap, falls A [i] A [2i] und A[i] A [2i + 1] (für 2i n bzw. 2i + 1 n) gilt. Beispiel: A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8] Heapsort / 2 Darstellung eines Heaps als
MehrBeispiellösung zu den Übungen Datenstrukturen und Algorithmen SS 2008 Blatt 5
Robert Elsässer Paderborn, den 15. Mai 2008 u.v.a. Beispiellösung zu den Übungen Datenstrukturen und Algorithmen SS 2008 Blatt 5 AUFGABE 1 (6 Punkte): Nehmen wir an, Anfang bezeichne in einer normalen
MehrDatenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrKomplexität eines Algorithmus, Grössenordnung, Landau-Symbole, Beispiel einer Komplexitätsberechnung (Mergesort) 7. KOMPLEXITÄT
Komplexität eines Algorithmus, Grössenordnung, Landau-Symbole, Beispiel einer Komplexitätsberechnung (Mergesort) 7. KOMPLEXITÄT Komplexität eines Algorithmus Algorithmen verbrauchen Ressourcen Rechenzeit
MehrAlgorithmen und Datenstrukturen Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor
Klausur WS 2006/07 Software-Engineering und Technische Informatik Bachelor Die Klausur besteht aus 6 Aufgaben und umfasst 60 Punkte. Bitte schreiben Sie die Lösungen auf die Aufgabenblätter. Vergessen
MehrAufgabe (Schreibtischtest, Algorithmenanalyse)
Aufgabe (Schreibtischtest, Algorithmenanalyse) Führen Sie einen Schreibtischtest für den Algorithmus Positionsort für das folgende Eingabe-Array durch. Geben Sie nach jedem Durchlauf der for-schleife mit
Mehr14. Sortieren II Heapsort. Heapsort. [Max-]Heap 7. Heapsort, Quicksort, Mergesort. Binärer Baum mit folgenden Eigenschaften
Heapsort, Quicksort, Mergesort 14. Sortieren II 14.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 397 398 Heapsort [Max-]Heap 7 Inspiration von Selectsort: Schnelles Einfügen Binärer Baum
MehrBeispielprüfung Datenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrAlle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).
8. Untere Schranken für Sortieren Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)). Werden nun gemeinsame Eigenschaften dieser Algorithmen untersuchen. Fassen gemeinsame
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2017 Marc Bux, Humboldt-Universität zu Berlin Agenda 1. (Sortierte) Listen 2. Stacks & Queues 3. Datenstrukturen 4. Rekursion und vollständige Induktion
MehrKarlsruher Institut für Technologie. Klausur Algorithmen I
Klausur-ID: Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 11. April 2018 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte
MehrKarlsruher Institut für Technologie Institut für Theoretische Informatik. Klausur Algorithmen I
Vorname: Matrikelnummer: Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Jörn Müller-Quade 4. September 2017 Klausur Algorithmen I Aufgabe 1. Kleinaufgaben 15 Punkte Aufgabe
MehrInformatik I - Datenstrukturen und Algorithmen
Probeklausur Informatik I - Datenstrukturen und Algorithmen 8. 8. 2002, Prof. Dr. L. Kobbelt Vorname: Nachname: Matrikelnummer: Studiengang: Informatik Diplom Informatik Lehramt Sonstige Schreiben Sie
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2017 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda 1. Sortierte Listen 2. Stacks & Queues 3. Teile und Herrsche Nächste Woche: Vorrechnen (first-come-first-served)
MehrDatenstrukturen und Algorithmen
Joost-Pieter Katoen Datenstrukturen und Algorithmen 1/54 Datenstrukturen und Algorithmen Vorlesung 1: Algorithmische Komplexität Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification
MehrBinäre Suchbäume. Organisatorisches. VL-10: Binäre Suchbäume. (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger.
Organisatorisches VL-10: inäre Suchbäume (Datenstrukturen und lgorithmen, SS 17) Gerhard Woeginger Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Sprechstunde: Mittwoch 11: 12:00 Übungen: Tim Hartmann,
MehrÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester. Datum: 16/17. Juli 2015 Bearbeitungszeit: 90 Minuten. Modul: T2INF Dozent: Jan Hladik
Student/in: Unterschrift: Fakultät Studiengang: Jahrgang / Kurs : Technik Angewandte Informatik 2014 B/C/D/K ÜBUNGSKLAUSUR Studienhalbjahr: 2. Semester Datum: 16/17. Juli 2015 Bearbeitungszeit: 90 Minuten
MehrQuicksort ist ein Divide-and-Conquer-Verfahren.
. Quicksort Wie bei vielen anderen Sortierverfahren (Bubblesort, Mergesort, usw.) ist auch bei Quicksort die Aufgabe, die Elemente eines Array a[..n] zu sortieren. Quicksort ist ein Divide-and-Conquer-Verfahren.
Mehr8. Sortieren II. 8.1 Heapsort. Heapsort. [Max-]Heap 6. Heapsort, Quicksort, Mergesort. Binärer Baum mit folgenden Eigenschaften
Heapsort, Quicksort, Mergesort 8. Sortieren II 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 9 210 Heapsort [Max-]Heap 6 Inspiration von Selectsort: Schnelles Einfügen Binärer Baum mit
MehrHeapsort, Quicksort, Mergesort. 8. Sortieren II
209 Heapsort, Quicksort, Mergesort 8. Sortieren II 210 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 211 Heapsort Inspiration von Selectsort: Schnelles Einfügen Inspiration von Insertionsort:
MehrEffiziente Algorithmen I
9. Präsenzaufgabenblatt, WiSe 2013/14 Übungstunden am 13.01. & 15.01.2014 Aufgabe Q Gegeben sei ein Fluss-Netzwerk mit Digraph D = (V, A), Knotenkapazitäten c(u, v) 0, Quelle s und Senke t. Kann sich der
Mehr3. Musterlösung. Problem 1: Heapsort
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 3. Musterlösung Problem : Heapsort ** 2 3 4 5 Algorithmus : Heapsort (A) Eingabe : Array A der Länge n Ausgabe : Aufsteigend
MehrGrundlagen: Algorithmen und Datenstrukturen
Technische Universität München Fakultät für Informatik Lehrstuhl für Effiziente Algorithmen Dr. Hanjo Täubig Jeremias Weihmann Sommersemester 2014 Übungsblatt 2 28. April 2014 Grundlagen: Algorithmen und
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
MehrAlgorithmen & Datenstrukturen 1. Klausur
Algorithmen & Datenstrukturen 1. Klausur 7. Juli 2010 Name Matrikelnummer Aufgabe mögliche Punkte erreichte Punkte 1 35 2 30 3 30 4 15 5 40 6 30 Gesamt 180 1 Seite 2 von 14 Aufgabe 1) Programm Analyse
MehrSortieren II / HeapSort Heaps
Organisatorisches VL-07: Sortieren II: HeapSort (Datenstrukturen und Algorithmen, SS 2017) Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Email: dsal-i1@algo.rwth-aachen.de Webseite: http://algo.rwth-aachen.de/lehre/ss17/dsa.php
MehrLernmodul 7 Algorithmus von Dijkstra
Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer
MehrHumboldt-Universität zu Berlin Berlin, den Institut für Informatik
Humboldt-Universität zu Berlin Berlin, den 15.06.2015 Institut für Informatik Prof. Dr. Ulf Leser Übungen zur Vorlesung M. Bux, B. Grußien, J. Sürmeli, S. Wandelt Algorithmen und Datenstrukturen Übungsblatt
MehrDatenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrDSAL - 4. Globalübung. Benjamin Kaminski, Tim Quatmann. 15. Mai 2018
. Bis. VL iib DSAL - 4. Globalübung St_offf-Pra@bungo.B :S inkl. Benjamin Kaminski, Tim Quatmann 10 15. Mai 2018 inhl. G Zuliissige Hilfsmittec Ein seblst besohriebenes : Din All Blatt. Benjamin Kaminski,
MehrÜbersicht. Datenstrukturen und Algorithmen. Die Teile-und-Beherrsche-Methode. Übersicht. Vorlesung 3: Rekursionsgleichungen (K4)
Datenstrukturen und Algorithmen Vorlesung 3: (K4) 1 e für rekursive Algorithmen Prof. Dr. Erika Ábrahám 2 Theorie Hybrider Systeme Informatik 2 http://ths.rwth-aachen.de/teaching/ss-14/ datenstrukturen-und-algorithmen/
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 017 Marc Bux, Humboldt-Universität zu Berlin Agenda 1. Vorrechnen von Aufgabenblatt 1. Wohlgeformte Klammerausdrücke 3. Teile und Herrsche Agenda 1.
MehrKapitel 10. Komplexität von Algorithmen und Sortieralgorithmen
Kapitel 10 Komplexität von Algorithmen und Sortieralgorithmen Arrays 1 Ziele Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
Mehr12. Graphen. Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap ,Cormen et al, Kap.
254 12. Graphen Notation, Repräsentation, Traversieren (DFS, BFS), Topologisches Sortieren, Ottman/Widmayer, Kap. 9.1-9.4,Cormen et al, Kap. 22 Königsberg 1736 255 Königsberg 1736 255 Königsberg 1736 255
MehrNAME, VORNAME: Studiennummer: Matrikel:
TU Ilmenau, Fakultat IA Institut für Theoretische Informatik FG Komplexitätstheorie und Effiziente Algorithmen Prof. Dr. (USA) M. Dietzfelbinger Klausur Algorithmen und Datenstrukturen SS08, Ing.-Inf.
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Sommersemester 2013 IBR - Abteilung Algorithmik Prof. Dr. Sándor Fekete Dr. Christiane Schmidt Stephan Friedrichs Klausur Algorithmen und Datenstrukturen 22.08.2013
Mehr1.Aufgabe: Minimal aufspannender Baum
1.Aufgabe: Minimal aufspannender Baum 11+4+8 Punkte v 1 v 2 1 3 4 9 v 3 v 4 v 5 v 7 7 4 3 5 8 1 4 v 7 v 8 v 9 3 2 7 v 10 Abbildung 1: Der Graph G mit Kantengewichten (a) Bestimme mit Hilfe des Algorithmus
MehrAlgorithmen 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
MehrÜbungsklausur Algorithmen I
Name: Vorname: Matrikelnr.: Tutorium: Jun.-Prof. Hofheinz, Jun.-Prof. Meyerhenke (ITI, KIT) 08.06.2015 Übungsklausur Algorithmen I Aufgabe 1. (Algorithm Engineering) [2 Punkte] Nennen Sie zwei Konzepte,
MehrVL-11: Rot-Schwarz Bäume. (Datenstrukturen und Algorithmen, SS 2017) Janosch Fuchs
VL-11: Rot-Schwarz Bäume (Datenstrukturen und Algorithmen, SS 2017) Janosch Fuchs SS 2017, RWTH DSAL/SS 2017 VL-11: Rot-Schwarz Bäume 1/41 Organisatorisches Vorlesung: Gerhard Woeginger (Zimmer 4024 im
MehrKlausur Algorithmen und Datenstrukturen
Technische Universität Braunschweig Wintersemester 2008/2009 IBR - Abteilung Algorithmik Prof. Dr. Sándor Fekete Tom Kamphans Nils Schweer Klausur Algorithmen und Datenstrukturen 23.02.2009 Name:.....................................
MehrInformatik B Sommersemester Musterlösung zur Klausur vom
Informatik B Sommersemester 007 Musterlösung zur Klausur vom 0.07.007 Aufgabe : Graphen und Graphalgorithmen + + + () Punkte Für eine beliebige positive, ganze Zahl n definieren wir einen Graphen G n =
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
MehrDatenstrukturen und Algorithmen D-INFK
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik Peter Widmayer
MehrÜbersicht. Datenstrukturen und Algorithmen. Divide-and-Conquer. Übersicht. Vorlesung 9: Quicksort (K7)
Datenstrukturen und Algorithmen Vorlesung 9: (K7) Joost-Pieter Katoen Algorithmus Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-5/dsal/ 2 7.
MehrEINI LW. Einführung in die Informatik für Naturwissenschaftler und Ingenieure. Vorlesung 2 SWS WS 11/12
EINI LW Einführung in die Informatik für Naturwissenschaftler und Ingenieure Vorlesung 2 SWS WS 11/12 Fakultät für Informatik Technische Universität Dortmund lars.hildebrand@udo.edu http://ls1-www.cs.uni-dortmund.de
MehrOtto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Simulation und Graphik Prof. Dr. Holger Theisel
Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Institut für Simulation und Graphik Prof. Dr. Holger Theisel Magdeburg, 26.07.2011 Klausur Algorithmen und Datenstrukturen Matrikelnummer:
MehrTutoraufgabe 1 (2 3 4 Bäume):
Prof. aa Dr. E. Ábrahám Datenstrukturen und Algorithmen SS Lösung - Übung F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe ( Bäume): a) Löschen Sie den Wert aus dem folgenden Baum und geben Sie den dabei
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (18 Bäume: Grundlagen und natürliche Suchbäume) Prof. Dr. Susanne Albers Bäume (1) Bäume sind verallgemeinerte Listen (jedes Knoten-Element kann mehr
MehrKlausur Algorithmentheorie
Prof. Dr. G. Schnitger Frankfurt, den 13.02.2009 Klausur Algorithmentheorie WS 2008/2009 Name: Vorname: Studiengang: BITTE GENAU LESEN Die Klausur besteht aus 4 Aufgaben, in denen maximal 100 Punkte erreicht
Mehr5.5 Prioritätswarteschlangen
5.5 Prioritätswarteschlangen LIFO- und FIFO-Warteschlangen entfernen Werte aus der Warteschlange in Abhängigkeit davon, wann sie in diese eingefügt wurden Prioritätswartschlangen interpretieren die Werte
MehrAlgorithmen und Datenstrukturen 1 VL Übungstest WS November 2007
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 1. Übungstest WS 2007 16. November
MehrÜbersicht. Datenstrukturen und Algorithmen. Abstrakte Datentypen. Übersicht. Vorlesung 3: Elementare Datenstrukturen (K10)
Übersicht Datenstrukturen und Algorithmen Vorlesung 3: (K10) Joost-Pieter Katoen (Christian Dehnert) Lehrstuhl für nformatik 2 Software Modeling and Verification Group http://moves.rwth-aachen.de/teaching/ss-15/dsal/
MehrElementare Datenstrukturen
Organisatorisches VL-09: Elementare Datenstrukturen (Datenstrukturen und Algorithmen, SS 2017) Gerhard Woeginger Vorlesung: Gerhard Woeginger (Zimmer 4024 im E1) Sprechstunde: Mittwoch 11:15 12:00 Übungen:
MehrGliederung. 5. Compiler. 6. Sortieren und Suchen. 7. Graphen
5. Compiler Gliederung 1. Struktur eines Compilers 2. Syntaxanalyse durch rekursiven Abstieg 3. Ausnahmebehandlung 4. Arrays und Strings 6. Sortieren und Suchen 1. Grundlegende Datenstrukturen 2. Bäume
MehrAlgorithmen & Komplexität
Algorithmen & Komplexität Angelika Steger Institut für Theoretische Informatik steger@inf.ethz.ch Breitensuche, Tiefensuche Wir besprechen nun zwei grundlegende Verfahren, alle Knoten eines Graphen zu
MehrKlausur Algorithmentheorie
Prof. Dr. G. Schnitger Frankfurt, den 06.04.2009 Klausur Algorithmentheorie WS 2008/2009 Name: Vorname: Geburtsdatum: Studiengang: BITTE GENAU LESEN Die Klausur besteht aus 4 Aufgaben, in denen maximal
Mehr