3. Das Auslastungsspiel
|
|
- Axel Kneller
- vor 8 Jahren
- Abrufe
Transkript
1 Literatur: 3. Das Auslastungsspiel R. W. Rosenthal. A class of games possessing pure-strategy Nash equilibria. International Journal of Game Theory 2, pp D. S. Johnson, Chr. H. Papadimitriou, M. Yannakakis. How easy is local search? Proceedings of the 26th IEEE FOCS, pp A. Fabrikant, Chr. H. Papadimitriou, K. Talwar. The Complexity of Pure Nash Equilibria. Proceedings of the 36th ACM STOC D. Fotakis, S. Kontogiannis, P. Spirakis. Selfish Unsplittable Flows. Proceedings of the ICALP Awerbuch, Azar, Epstein. The Price of Routing Unsplittable Flow. Proceedings of the 37th ACM STOC Christodoulou, Koutsoupias. The Price of Anarchy of Finite Congestion Games. Proceedings of the 37th ACM STOC Schwerpunkte: allgemeines Auslastungsspiel (z.b. Netzwerkauslastung in allgemeinen Netzwerken) Koordinationsfaktor: Leistungsverlust durch fehlende Koordination Existenz von reinen Nash Equilibrien / Berechnung reiner Nash Equilibrien PLS-Vollständigkeit Universität Paderborn Algorithmische Spieltheorie WS 2007/
2 Auslastungsspiel: n Spieler 1,..., n, E endliche Menge von Betriebsmitteln, Strategiemenge S i Pot(E) für jeden Spieler i, 1 i n, Verzögerungsfunktion d e : {1,..., n} N für jedes e E, d e (j) nicht-fallend in j. Private Kosten bei Strategiewahl s = (s 1,..., s n ) S 1... S n : f s (e) = {i; e s i } ist Zahl der Spieler die Betriebsmittel e benutzen, d e (f s (e)) ist Verzögerung durch Betriebsmittel e, c i (s) = e si d e (f s (e)) sind private Kosten von Spieler i. Reines Nash Equilibrium s = (s 1,..., s n ) S 1... S n : Für jeden Spieler i gilt c i (s 1,..., s i,..., s n ) c i (s 1,..., s i,..., s n) für alle s i S i. Universität Paderborn Algorithmische Spieltheorie WS 2007/
3 Netzwerk-Auslastungsspiel: G = (V, E) gerichteter Graph, n Spieler 1,..., n, a i V, b i V sind Start- und Zielknoten für Spieler i, 1 i n, S i Pot(E) ist Menge der Wege von a i nach b i für jedes i, 1 i n, Verzögerungsfunktion d e : {1,..., n} N für jedes e E, d e (j) nicht-fallend in j. Netzwerk-Auslastungsspiel ist genau dann symmetrisch, wenn a 1 =... = a n und b 1 =... = b n. Universität Paderborn Algorithmische Spieltheorie WS 2007/
4 Satz 3.1: Sei I = (n, E, S 1,..., S n, {d e } e E ) eine Instanz des Auslastungsspiels. I besitzt mindestens ein reines Nash Equilibrium. Beweis: Definiere Potentialfunktion h : (S 1... S n ) N durch h(s) = e E fs(e) j=1 d e (j). Wenn s = (s 1,..., s i,..., s n ) und s = (s 1,..., s i,..., s n), dann gilt: h(s) h(s ) = d e (f s (e)) e s i s i = c i (s) c i (s ). e s i s i d e (f s (e)) Hieraus folgt: h(s) minimal s ist Nash Equilibrium. Universität Paderborn Algorithmische Spieltheorie WS 2007/
5 Folgerung 1: Sei I = (n, E, S 1,..., S n, {d e } e E ) eine Instanz des Auslastungsspiels. Ein reines Nash Equilibrium für I kann in Zeit 0 n d e (j) e E j=1 berechnet werden. Folgerung 2: Wenn die Funktionen {d e } e E Polynomzeit berechnet werden. alle Polynome sind, dann kann ein reines Nash Equilibrium in Universität Paderborn Algorithmische Spieltheorie WS 2007/
6 Auslastungsspiel mit Gewichten: n Spieler mit Gewichten w 1,..., w n ; W = n i=1 w i, E endliche Menge von Betriebsmitteln, Strategiemenge S i Pot(E) für jeden Spieler i, 1 i n, Verzögerungsfunktion d e : {1,..., W } N für jedes e E, d e (j) nicht-fallend in j. Private Kosten bei Strategiewahl s = (s 1,..., s n ) S 1... S n : f s (e) = e si w i ist Gewicht der Spieler die Betriebsmittel e benutzen, d e (f s (e)) ist Verzögerung durch Betriebsmittel e, c i (s) = e si d e (f s (e)) sind private Kosten von Spieler i. Reines Nash Equilibrium s = (s 1,..., s n ) S 1... S n : Für jeden Spieler i gilt c i (s 1,..., s i,..., s n ) c i (s 1,..., s i,..., s n) für alle s i S i. Universität Paderborn Algorithmische Spieltheorie WS 2007/
7 Ein Auslastungsspiel mit Gewichten besitzt im Allgemeinen kein reines Nash Equilibrium! Beispiel: Universität Paderborn Algorithmische Spieltheorie WS 2007/
8 Instanz ohne Potentialfunktion: (w 1 = 2, w 2 = 1) s 9/18/27 6/13/21 a c b d 2/10/20 2/4/16 e 20/40/60 t user 1 s path user 2 s path user 1 s latency user 2 s latency a, d e = a, d b, d = = 18 b, c b, d = = 22 b, c e = a, d e = Universität Paderborn Algorithmische Spieltheorie WS 2007/
9 Satz 3.4: Sei I = (w 1,..., w n, E, S 1,..., S n, {d e } e E ) eine Instanz des gewichteten Auslastungsspiels mit S i E für alle i. Dann besitzt I mindestens ein reines Nash Equilibrium. Satz 3.5: Sei I = (w 1,..., w n, E, S 1,..., S n, {d e } e E ) eine Instanz des gewichteten Auslastungsspiels mit d e (x) = a e + b e x, a e, b e N, für alle e E. Dann besitzt I mindestens ein reines Nash Equilibrium. Universität Paderborn Algorithmische Spieltheorie WS 2007/
10 Beweis von Satz 3.5 Angabe einer Potentialfunktion h(s) = i [n] e s i w i [d e (f s (e)) + d e (w i )] = e E f s (e) d e (f s (e)) + i [n] e s i w i d e (w i ) Mit dieser Potentialfunktion h gilt: Wenn s S und s = (s i, s i ) für ein i [n] und s i S i, dann h(s) h(s ) = 2 w i [c i (s) c i (s )] Universität Paderborn Algorithmische Spieltheorie WS 2007/
11 h ist Spezialfall von h Sei w i = 1 für alle i und d e (x) = a e + b e x e E h(s) = = = h(s) = = e E e E e E e E e E f s (e) d e (f s (e)) + (a e + b e f s (e)) f s (e) + i [n] e s i w i d e (w i ) e E (2a e + b e ) f s (e) + b e f s (e) 2 fs(e) j=1 (a e + b e j) a e f s (e) + b e fs(e) (f s (e) + 1) 2 (a e + b e ) f s (e) = 1 2 h(s) Universität Paderborn Algorithmische Spieltheorie WS 2007/
12 Folgerung: Sei I = (w 1,..., w n, E, S 1,..., S n, {d e } e E ) eine Instanz des gewichteten Auslastungsspiels mit d e (x) = a e + b e x, a e, b e N, für alle e E. Ein reines Nash Equilibrium für I kann in pseudopolynomieller Zeit berechnet werden. Universität Paderborn Algorithmische Spieltheorie WS 2007/
13 Auslastungsspiel: Preis der Anarchie Literatur: G. Christodoulou, E. Koutsoupias. The Price of Anarchy of Finite Congestion Games. Proceedings of the 37th ACM STOC, B. Awerbuch, Y. Azar, A. Epstein. The Price of Routing Unsplittable Flow. Proceedings of the 37th ACM STOC, S. Aland, D. Dumrauf, M. Gairing, B. Monien, F. Schoppmann. Exact Price of Anarchy for Polynomial Congestion Games. Proceedings of the 23rd STACS, Bemerkung: Wir betrachten zuerst reine Nash Equilibrien. Universität Paderborn Algorithmische Spieltheorie WS 2007/
14 Private Kosten bei Strategiewahl s = (s 1,..., s n ) S 1... S n : f s (e) = i:e si w i ist die Summe der Gewichte der Spieler die Betriebsmittel e benutzen. d e (f s (e)) ist Verzögerung durch Betriebsmittel e, c i (s) = e si d e (f s (e)) sind private Kosten von Spieler i. Soziale Kosten bei Strategiewahl s = (s 1,..., s n ) S 1... S n : Summe der Privaten Kosten SUM(s) = i [n] w i c i (s) = e E f s (e) d e (f s (e)) (In der Literatur wurden auch andere soziale Kostenmaße untersucht.) Preis der Anarchie/Koodinationsrate OP T = min s S SUM(s) ist optimale Zuweisung P oa pure = sup s ist NE SUM(s) OP T Universität Paderborn Algorithmische Spieltheorie WS 2007/
15 Übersicht: P oa pure für ungewichtete Auslastungsspiele P oa pure symmetrisch Lineare Latenzfunktionen de(x) = ae x + be mit ae, be 0 e E Latenzfunktionen: Polynome vom Grad d de(x) = d i=0 a e(i)x i mit ae(i) 0 i {0,..., d}, e E 5n 2 2n+1 d Θ(d) asymmetrisch 5 2 P P := (k+1) 2d+1 k d+1 (k+2) d (k+1) d+1 (k+2) d +(k+1) d k d+1 k := Φ d und Φ d ist die positive reelle Lösung von (Φ d + 1) d = Φ d+1 d. Bemerkung: Ein Auslastungsspiel ohne Gewichte ist genau dann symmetrisch, wenn S i = S j für alle i {1,..., n}, j {1,..., n}. Universität Paderborn Algorithmische Spieltheorie WS 2007/
16 Hilfssätze Satz 3.6: Es seien α, β 0 nicht negative ganze Zahlen. Dann ist β (α + 1) 1 3 α β2. Satz 3.7: Es seien α, β 0 nicht negative reelle Zahlen, und Φ = Φ 1 = 1 2 (1 + 5). Dann ist β (α + β) 1 2Φ α2 + (Φ 2 Φ 2 ) β2. Universität Paderborn Algorithmische Spieltheorie WS 2007/
17 P oa pure für ungewichtete Auslastungsspiele mit linearen Latenzfunktionen Satz 3.8: Für ungewichtete Auslastungsspiele mit linearen Latenzfunktionen ist der Preis der Anarchie höchstens 5 2. Satz 3.9: Es gibt ungewichtete Auslastungsspiele mit linearen Latenzfunktionen und 3 oder mehr Spielern, für die der Preis der Anarchie gleich 5 2 ist. Universität Paderborn Algorithmische Spieltheorie WS 2007/
18 Übersicht: P oa pure für gewichtete Auslastungsspiele P oa pure asymmetrisch Lineare Latenzfunktionen de(x) = ae x + be mit ae, be 0 e E Latenzfunktionen: Polynome vom Grad d de(x) = d i=0 a e(i)x i mit ae(i) 0 i {0,..., d}, e E Φ d+1 d Φ d ist die positive reelle Lösung von (Φ d + 1) d = Φ d+1 d. Universität Paderborn Algorithmische Spieltheorie WS 2007/
19 P oa pure für gewichtete Auslastungsspiele Satz 3.10: Für gewichtete Auslastungspiele mit linearen Latenzfunktionen ist der Preis der Anarchie höchstens Satz 3.11: Es gibt gewichtete Auslastungsspiele mit linearen Latenzfunktionen für die der Preis der Anarchie gleich ist. Bemerkung: Für d = 1 ist Φ d+1 d = Φ 2 1 = Universität Paderborn Algorithmische Spieltheorie WS 2007/
20 P oa mixed : Preis der Anarchie für gemischte NE Private Kosten von Spieler i bei Strategiewahl π = (π 1,..., π n ) S S 1... S S n : c i (π) = s=(s 1,...,sn) S 1... Sn n k=1 π k (s k ) c i (s) Soziale Kosten bei Strategiewahl π = (π 1,..., π n ) S S 1... S S n : SUM(π) = i [n] w i c i (π) (gewichtete Summe der privaten Kosten) Preis der Anarchie/Koodinationsrate OP T = min π S S 1... S Sn SUM(π) ist optimale Zuweisung P oa mixed = sup π ist gemischtes NE SUM(π) OP T Universität Paderborn Algorithmische Spieltheorie WS 2007/
21 P oa mixed : Preis der Anarchie für gemischte NE Satz 3.12: Sätze gelten auch für P oa mixed : Für ungewichtete Auslastungsspiele mit linearen Latenzfunktionen ist P oa mixed 5 2 (3.8). Es gibt ungewichtete Auslastungsspiele mit linearen Latenzfunktionen und 3 oder mehr Spielern, für die P oa mixed = 5 2 (3.9). Für gewichtete Auslastungspiele mit linearen Latenzfunktionen ist P oa mixed (3.10). Es gibt gewichtete Auslastungsspiele mit linearen Latenzfunktionen für die P oa mixed = (3.11). Universität Paderborn Algorithmische Spieltheorie WS 2007/
Preis der Anarchie für Auslastungsspiele mit polynomiellen Latenzfunktionen
Preis er Anarchie für Auslastungsspiele mit polynomiellen Latenzfunktionen Diplomarbeit Florian Schoppmann Betreuer: MSc/Dipl-Ing Martin Gairing Fachgruppe Effiziente Nutzung paralleler Systeme Prof Dr
MehrAuslastungspiele Smoothness Dichte Spiele Intuition und Grenzen. Preis der Anarchie. Algorithmische Spieltheorie. Sommer 2017
Algorithmische Spieltheorie Sommer 2017 Erinnerung: für reine Nash-Gleichgewichte: Strategisches Spiel Γ, soziale Kosten cost(s) für Zustand s von Γ Betrachte Σ RNG als die Menge der reinen Nash-Gleichgewichte
MehrStackelberg Scheduling Strategien
Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:
MehrVerkehrsstauspiel: Wieviel Prozent der Autos fahren über blau/grün? Jörg Rambau
Verkehrsstauspiel: Wieviel Prozent der Autos fahren über blau/grün? Verkehrsstauspiel: Wieviel Prozent der Autos fahren über blau/grün? 1 x x = Anteil der Fahrzeuge, die dort entlang fahren Verkehrsstauspiel:
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
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
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrSeminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen
Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen Michael Gross mdgrosse@sbox.tugraz.at 20. Januar 2003 1 Spieltheorie 1.1 Matrix Game Definition 1.1 Ein Matrix Game, Strategic
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
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,
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
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrBraess-Paradoxon und der Preis der Anarchie
Algorithmische Spieltheorie Sommer 207 Wardropspiele Existenz und Eindeutigkeit von Wardrop-Gleichgewichten Verkehrsmodell von Wardrop Ein Wardropspiel ist gegeben durch einen gerichteten Graphen G = (V,
MehrSpieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory
Spieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory 01.12.2010 Arno Mittelbach 1 Spieltheorie Einführung Evolutionary Game Theory Spieltheorie in Netzwerken Erstens
MehrSeminar Algorithmische Spieltheorie WS 2007/08. Martin Sauerhoff
Seminar Algorithmische Spieltheorie WS 2007/08 Martin Sauerhoff Worum geht es? Internet/WWW: Interaktion zwischen Parteien ( Spielern ), die private, egoistische Interessen verfolgen; Erreichen von globalen
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
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
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
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
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)
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrBraess-Paradoxon und der Preis der Anarchie
Algorithmische Spieltheorie Sommer 208 Wardropspiele Existenz und Eindeutigkeit von Wardrop-Gleichgewichten Verkehrsmodell von Wardrop Ein Wardropspiel ist gegeben durch einen gerichteten Graphen G = (V,
MehrHow to do? Projekte - Zeiterfassung
How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrDefinition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.
Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften
MehrSpieltheoretischer Ansatz für selbstorganisierende Systeme
Spieltheoretischer Ansatz für selbstorganisierende Systeme Institut für Informatik 27. Juni 2006 Inhaltsverzeichnis 1 Ziel des Aufsatz 2 Geschichte 3 Einführung 4 Das Spiel Experiment 5 Konzepte zur Lösung
MehrLogische Folgerung. Definition 2.11
Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell
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
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
MehrAlgorithmentheorie. 13 - Maximale Flüsse
Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk
Mehr1. Wie viel Zinsen bekommt man, wenn man 7000,00 1 Jahr lang mit 6 % anlegt?
Zinsrechnung mit der Tabellenform: Berechnen der Jahreszinsen Ein Sparbuch mit 1600 wird mit 4% verzinst. Wie Zinsen erhält man im Jahr? Geg.: K = 1600 p% = 4% ges.: Z Das Kapital (Grundwert) entspricht
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
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
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
MehrMATHEMATIK 3 STUNDEN. DATUM: 8. Juni 2009
EUROPÄISCHES ABITUR 2009 MATHEMATIK 3 STUNDEN DATUM: 8. Juni 2009 DAUER DES EXAMENS : 3 Stunden (180 Minuten) ZUGELASSENE HILFSMITTEL : Europäische Formelsammlung Nicht graphischer und nicht programmierbarer
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrPublic-Key-Algorithmen WS2015/2016
Public-Key-Algorithmen WS2015/2016 Lernkontrollfragen Michael Braun Was bedeuten die kryptographischen Schutzziele Vertraulichkeit, Integrität, Nachrichtenauthentizität, Teilnehmerauthentizität, Verbindlichkeit?
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
MehrPeriodische Fahrpläne und Kreise in Graphen
Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrDiskrete Modellierung
Diskrete Modellierung Wintersemester 2013/14 Prof. Dr. Isolde Adler Letzte Vorlesung: Korrespondenz zwischen der Page-Rank-Eigenschaft und Eigenvektoren zum Eigenwert 1 der Page-Rank-Matrix Markov-Ketten
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
MehrAufgabe 1 Berechne den Gesamtwiderstand dieses einfachen Netzwerkes. Lösung Innerhalb dieser Schaltung sind alle Widerstände in Reihe geschaltet.
Widerstandsnetzwerke - Grundlagen Diese Aufgaben dienen zur Übung und Wiederholung. Versucht die Aufgaben selbständig zu lösen und verwendet die Lösungen nur zur Überprüfung eurer Ergebnisse oder wenn
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrAlgorithmen und Komplexität Teil 1: Grundlegende Algorithmen
Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen WS 08/09 Friedhelm Meyer auf der Heide Vorlesung 8, 4.11.08 Friedhelm Meyer auf der Heide 1 Organisatorisches Am Dienstag, 11.11., fällt die
MehrLogik-Programme. Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat
Logik-Programme Definition: Eine Tatsachenklausel ist eine einelementige positive Klausel, d.h. sie hat die Form {P }. Eine Prozedurklausel ist eine Klausel der Form {P, Q 1, Q 2,..., Q k } mit k 1. P
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
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
MehrAlgorithmische Spieltheorie. Martin Gairing
Algorithmische Spieltheorie Martin Gairing Folien zur Vorlesung vom 26.04.2004 Organisatorisches: Vorlesung Montags, 14:15-15:45 Uhr Übungen Montags, 16:00-17:00 Uhr Folien zur Vorlesung unter http://www.upb.de/cs/ag-monien/lehre/ss04/spieltheo/
MehrPrint2CAD 2017, 8th Generation. Netzwerkversionen
Installation der Netzwerkversion Kazmierczak Software Print2CAD 2017, 8th Generation Print2CAD 2017, 8th Generation Netzwerkversionen Einführung Installationshinweise Die Programme von Kazmierczak Software
MehrFit in Mathe. Juni 2014 Klassenstufe 9. Lineare Funktionen
Thema Musterlösungen Juni 0 Klassenstufe 9 Lineare Funktionen a) Vervollständige die Tabelle mit den Funktionswerten: x 6 8 0 6 0 x 5 6 7 8 9 0 b) Gib die Funktionsgleichung an x 6 8 0 6 0 8 x,5,75,5 0,5-0,5
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrJedes Jahr mehr Zinsen!
Aufgabe 21 Zinsen erhält man für gewöhnlich nur für ein Jahr. Wenn man aber schon vorher an Erspartes möchte, muss man die Tageszinsen ermitteln. Erstelle eine Tabelle, die nach der Eingabe von Kapital,
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrSeminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen
Seminar A - Spieltheorie und Multiagent Reinforcement Learning in Team Spielen Michael Groß mdgrosse@sbox.tugraz.at 20. Januar 2003 0-0 Matrixspiel Matrix Game, Strategic Game, Spiel in strategischer Form.
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
Mehr16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
MehrStatistische Untersuchungen zu endlichen Funktionsgraphen
C# Projekt 1 Name: Statistische Untersuchungen zu endlichen Funktionsgraphen Aufgabe: Basierend auf dem Abschnitt 2.1.6. Random mappings, Kap.2, S 54-55, in [1] sollen zunächst für eine beliebige Funktion
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
MehrElliptische Kurven in der Kryptographie
Elliptische Kurven in der Kryptographie Projekttage Mathematik 2002 Universität Würzburg Mathematisches Institut Elliptische Kurven in der Kryptographie p.1/9 Übersicht Kryptographie Elliptische Kurven
MehrKapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
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
MehrZeit- und Feriensaldoberechnung TimeSafe Leistungserfassung
Keep your time safe. Zeit- und Feriensaldoberechnung TimeSafe Leistungserfassung Infotech AG T +423 380 00 00 Im alten Riet 125 F +423 380 00 05 9494 Schaan info@infotech.li Liechtenstein www.infotech.li
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
MehrLösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
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
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
Mehr6. Bayes-Klassifikation. (Schukat-Talamazzini 2002)
6. Bayes-Klassifikation (Schukat-Talamazzini 2002) (Böhm 2003) (Klawonn 2004) Der Satz von Bayes: Beweis: Klassifikation mittels des Satzes von Bayes (Klawonn 2004) Allgemeine Definition: Davon zu unterscheiden
MehrKryptographie mit elliptischen Kurven
Kryptographie mit elliptischen Kurven Gabor Wiese Universität Regensburg Kryptographie mit elliptischen Kurven p. 1 Problemstellung Kryptographie mit elliptischen Kurven p. 2 Problemstellung Caesar Kryptographie
MehrEinführung in die Energie- und Umweltökonomik
Otto-Friedrich-Universität Bamberg Lehrstuhl für Volkswirtschaftslehre insb. Wirtschaftspolitik Dr. Felix Stübben Klausur Einführung in die Energie- und Umweltökonomik im WS 2013/14 HINWEIS: Es sind sämtliche
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
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:
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
MehrTutorial Moodle 2 Rollenzuweisung
Tutorial Moodle 2 Rollenzuweisung Im folgenden Tutorial geht es um die Zuweisung von Rollen. Dies ist möglich für: Die ganze Instanz Die globale Zuweisung von Rollen (in diesem Fall nur Kursersteller/in
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrDie Klein-Gordon Gleichung
Kapitel 5 Die Klein-Gordon Gleichung 5.1 Einleitung Die Gleichung für die Rutherford-Streuung ist ein sehr nützlicher Ansatz, um die Streuung von geladenen Teilchen zu studieren. Viele Aspekte sind aber
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Dipl. Inform. Andreas Wilkens aw@awilkens.com Überblick Grundlagen Definitionen Elementare Datenstrukturen Rekursionen Bäume 2 1 Datenstruktur Baum Definition eines Baumes
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.
MehrKapitel 1: Einführung. Was ist Informatik? Begriff und Grundprobleme der Informatik. Abschnitt 1.1 in Küchlin/Weber: Einführung in die Informatik
Was ist Informatik? Begriff und Grundprobleme der Informatik Abschnitt 1.1 in Küchlin/Weber: Einführung in die Informatik Was ist Informatik? Informatik = computer science? Nach R. Manthey, Vorlesung Informatik
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
Mehr1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
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
MehrRegeln für das Qualitäts-Siegel
Regeln für das Qualitäts-Siegel 1 Inhalt: Die Qualitäts-Regeln vom Netzwerk Leichte Sprache 3 Die Übersetzung in Leichte Sprache 5 Die Prüfung auf Leichte Sprache 6 Wir beantworten jede Anfrage 7 Wir schreiben
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
Mehr