Gebäudeevakuierung als Beispiel einer Mikroskopischen Analyse
|
|
- Falko Winter
- vor 7 Jahren
- Abrufe
Transkript
1 Gebäudeevakuierung als Beispiel einer Mikroskopischen Analyse Proseminar: Algorithmen der Verkehrssimulation Richard Röttger Technische Universität München
2 Gliederung 1 Einführung Motivation & Grundsätzliches Vorstellung eines Random Walk Modells 2 Der Zelluläre Automat Anpassung der Zellen Anpassung der Personen 3 Wegsuche durch ein Potenzial Begriffserklärung Funktionsweise Beispiel: Evakuierung eines Kreuzfahrtschiffes 4 Wegsuche durch Graphen Erstellung des Automaten Funktion des Automaten 5 Ende Zusammenfassung
3 Warum Entfluchtungssimulation Motivation & Grundsätzliches Sicherere Gebäude Flaschenhälse können im Vorraus erkannt werden Wesentlich billiger als eine reale Probe Schwachstellen in vorhandenen Gebäuden aufzeigen Bessere Überprüfbarkeit behördlicher Vorgaben
4 Warum Mikroskopische Analyse Motivation & Grundsätzliches Menschenströme könnten auch makroskopisch als Flüssigkeiten simuliert werden: Makroskopische Analyse physikalisch genau Aber: Makroskopische Analyse ist zu langsam Darum die einfachere mikroskopische Analyse: Ebenfalls genau genug Deutlich schneller, Auswirkungen von Veräderungen am Bau können in Echtzeit begutachtet werden Man kann jede einzelne Person mit individuellen Eigenschaften bedenken
5 Wie errechnet sich die Entfluchtungsdauer? Motivation & Grundsätzliches Die individuelle Entfluchtungsdauer t i,flucht ist die Summe der allgemeinen Detektions- und Alamierungsdauer, sowie der individuellen Reaktions- und Laufzeit Da diese Zeit für jede Person vorliegt, kann man z.b. feststellen, welche Gebäudeteile nur schwer zu verlassen sind Gesamtentfluchtungsdauer: T Flucht = max{t i,flucht }
6 Überblick Vorstellung eines Random Walk Modells Wir benutzen einen Zellulären Automaten Nur eine Person pro Zelle Zellenbreite 40 cm Die Personen können sich in lediglich drei Richtungen bewegen
7 Bewegungswahrscheinlichkeiten Vorstellung eines Random Walk Modells Die Wahrscheinlichkeit, welche Richtung eine Person wählt, hängt von der Anzahl unbesetzter Zellen x und von einem Driftwert D zwischen 0 und 1 ab. Richtung Vorwärts Hoch Runter Wahrscheinlichkeit D + 1 D x 1 D x 1 D x
8 Updatemethoden Vorstellung eines Random Walk Modells Random sequential update (rsu) Zufällige Reihenfolge, jeder nur einmal pro Timestamp Der nächste reagiert auf die bereits gezogenen Paralleles Update Alle gehen gleichzeitig, aber erst virtuell Bei mehreren Bewerbern um eine bestimmte Zelle entscheidet ein Los Verlierer geht leer aus Mit beiden Methoden erhält man ähnliche Werte, die sich ausreichend genau mit der Realität Überschneiden.
9 Der Zelluläre Automat Anpassungen Eigenschaften
10 Zusätzliche Eigenschaften der Zellen Anpassung der Zellen Die Zellen des Automaten beinhalten zusätzlich noch folgende Informationen: Betretbarkeit Maximalgeschwindigkeit Richtungsangaben Treppen- oder Aufzugsfunktionen
11 Zusätzliche Eigenschaften der Personen Anpassung der Personen Personen besitzen noch folgende Eigenschaften: Laufgeschwindigkeit Geduld Vorausschauen Reaktionszeit Trödelwahrscheinlichkeit Schwankwahrscheinlichkeit Zusätzliche Eigenschaften würden Rückschlüsse auf die Auswirkungen der Parameter erschweren.
12 Typische Werte Anpassung der Personen Min. Max. Mittel Einheit Laufgeschwindigkeit Zellen/s Geduld s Vorausschauen Zellen Reaktionszeit s Trödelwahrsch % Schwankwahrsch % Diese Werte stammen aus eine Evakuierungssimulation eines Finnischen Theaters.
13 Maximale Gehgeschwindigkeit Anpassung der Personen Die Gehgeschwindigkeit von Männern ist um 10, 9% höher als die einer Frau.
14 Wegsuche durch Potenzial Begriffserklärung Erstellung des Modells Praktisches Beispiel
15 Begriffserklärung Potenzial Begriffserklärung Potenzial hat zwei Bedeutungen: 1 Potenziale makieren Zielpunkte 2 Wert, mit dem sich die zu gehende Richtung betimmen lässt
16 Erstellung des Modells Funktionsweise 1 Das Modell wird diskretisiert 2 Nun werden die Potenzial-Endpunkte markiert 3 Das Potenzial verteilt sich nun von Zelle zu Zelle, und somit im gesamten Komplex
17 Mehrere Potenziale Funktionsweise 1 Es ist möglich, mehrere Potenziale zu erstellen 2 Beim Erreichen des Potezials wird aus einer Liste die nächste Handlung gewählt
18 Beschreibung der Potenziale Beispiel: Evakuierung eines Kreuzfahrtschiffes Für die Evakuierung eines Kreuzfahrtschiffes benötigen wir 3 Potenziale: 1 Kabinen-Potenzial 2 Sammelpunkt-Potenzial 3 Rettungsboot-Potenzial
19 Eigenschaften der Potenziale Beispiel: Evakuierung eines Kreuzfahrtschiffes 1 Kabinen-Potenzial Beim Erreichen: warte eine vordefinierte Zeit Beginne das Sammelpunkt-Potenzial zu erreichen 2 Sammelpunkt-Potenzial Beim Erreichen: werde zum Random-Walker Sobald ein Rettungsboot-Potenzial zur Verfgung steht, verfolge dieses 3 Rettungsboot-Potenzial Ist erst nach eine gewissen Zeit verfgbar Ist nach Erreichen der Kapatzitï 1 2sgrenze nicht mehr verfgbar
20 Wegsuche durch Graphen Extraktion des Graphen Erstellung des Automaten Funktionsweise
21 Extraktion des Graphen 1 Erstellung des Automaten Das vorhergehende Modell hat einen großen Nachteil: Der zu Grunde liegende Automat muss extra erstellt werden. Neue Methode: Ein Graph wird aus einer vorhandenen CAD-Zeichnung extrahiert Vorteile: Deutlich weniger Aufwand beim Erstellen des zellulären Automaten Architekt kann sich in Echtzeit Auswirkungen von Veränderungen am Bauplan anzeigen lassen
22 Extraktion des Graphen 2 Erstellung des Automaten Ein vom Modell extrahierter Graph (qualitativ): Der Graph wird auf zentrale Punkte reduziert.
23 Umwandlung in Einen Zellulären Automaten Erstellung des Automaten Zur Umrechnung von der Entfernung in die Anzahl der Zellen erfolgt ber die einfache Formel ( ) length n = (1) 0.8
24 Die 2. Dimension Erstellung des Automaten Zur Lösung des Kapazitätenproblems speichert jede Zelle mehrere Personen. Die Anzahl der Personen errechnet sich aus der Formel (1) von vorher.
25 Der Durchsatz Erstellung des Automaten Bleibt noch zu klären, wie viele Leute von einem Knoten zum nächsten wechseln können. Der sogenannte Durchsatz hat folgende Eigenschaften: Er errechnet sich wieder aus der Formel (1) und der Breite der Tür, bzw. des Ausgangs Bei Kreuzungen wird der Reihe nach jeder angeschlossene zelluläre Automat bedient
26 Kurzwegsuche Funktion des Automaten Kurzwegsuche im Automaten: Wir gewichten die einzelnen Kanten des Graphen Kurzwegsuche nach Dijkstra Wege können schnell und einfach z.b. tageszeitlich bedingt anders gewichtet werden Wege können somit auch als unpassierbar gekennzeichnet werden
27 Zusammenfassung Die mikroskopische Entfluchtungsanalyse besticht durch ihre fast genial einfachen Konzepte, ist aber trotzdem in der Lage, komplizierteste Vorgänge realitätsnah zu modellieren Es ist von zentraler Bedeutung, diese Konzepte in bereits bestehende CAD-Systeme einzubinden, und somit effektive Analysen bereits während der Entwicklungsphase zu ermöglichen
28 Danke Ich bedanke mich für Ihre Aufmerksamkeit
Protokoll RiMEA-Projekt
Datum: 08.02.2005 Ort: per Email Teilnehmer: RiMEA Initiatoren Verfasser: Tim Meyer-König Nathalie Waldau Thema: Beiträge zur Richtlinie 1.6.0 Verteiler: - RiMEA Initiatoren - RiMEA Mitglieder Besprochene
MehrHeute. 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
MehrPSE Verkehrssimulation
PSE Verkehrssimulation Einführung in die Thematik Michael Moltenbrey, Dirk Pflüger 16. Oktober 2007-1- Gliederung Motivation Ablauf des Praktikums Aufgabenstellungen Scheinkriterien Gruppeneinteilung Einführung
MehrHeute. 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
MehrKürzeste Wege in einem gewichteten Graphen. Anwendungen
Kürzeste Wege in einem gewichteten Graphen Dazu werden die Gewichte als Weglängen interpretiert. Der kürzeste Weg zwischen zwei Knoten in einem zusammenhängenden Graphen ist derjenige, bei dem die Summe
MehrGraphentheorie. Vorkurs Informatik WS 2016/2017. Dennis Aumiller
Vorkurs Informatik WS 2016/2017 Dennis Aumiller Aumiller@stud.uni-heidelberg.de 14.10.2016 Über das Thema Wo alles begann Leider keine gesonderte Vorlesung dafür oft als Teilthema in anderen Vorlesungen
MehrGefühl*** vorher / nachher. Situation* Essen (was und wie viel?) Ess- Motiv** Tag Datum Frühstück Zeit: Allgemeines Befinden
Name: Größe: cm Gewicht: kg Alter: Jahre Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation* Essen Ess- Situation*
MehrVorlesung 4 BETWEENNESS CENTRALITY
Vorlesung 4 BETWEENNESS CENTRALITY 101 Aufgabe! Szenario: Sie arbeiten bei einem sozialen Online-Netzwerk. Aus der Netzwerk-Struktur Ihrer Benutzer sollen Sie wichtige Eigenschaften extrahieren. [http://www.fahrschule-vatterodt.de/
Mehr12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013
12. Graphen Programmieren / Algorithmen und Datenstrukturen 2 Prof. Dr. Bernhard Humm FB Informatik, Hochschule Darmstadt Wintersemester 2012 / 2013 1 Agenda Kontrollfragen Graphen Graphenalgorithmen 2
MehrAufgaben zur Klausurvorbereitung
Vorlesung Graphen und Optimierung Sommersemester 2013/14 Prof. S. Lange Aufgaben zur Klausurvorbereitung Hier finden Sie eine Reihe von Übungsaufgaben, die wir an den beiden Vorlesungsterminen am 29.01.2014
MehrWie 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
MehrEinleitung. RiMEA-Projekt Testfälle PedGo. Absender. Adresse: Adelbyer Str Datum:
Absender Unternehmen: TraffGo HT GmbH Adresse: Adelbyer Str. 75 Land, PLZ, Ort: URL: Bearbeiter: Email: D-24943 Flensburg http://www.traffgo-ht.com Stephanie Meyer-König smk@traffgo-ht.com Datum: 02.05.2017
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphen (2) Spannbäume Kürzeste Wege Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 455 Wiederholung Traversierung eines Graphen via Tiefendurchlaufs
MehrAuskunftssysteme: Kurzwegsuche im öffentlichen Verkehr
Auskunftssysteme: Kurzwegsuche im öffentlichen Verkehr Proseminar Algorithmen der Verkehrssimulation WS 05/06 Teera Inprasit Gliederung Einführung Optimale Zugverbindung? Modellierungsansätze Vergleich
MehrGroße Simulink-Modelle mit Bus Objects effizienter gestalten
Große Simulink-Modelle mit Bus Objects effizienter gestalten Sebastian Bewersdorff Product Manager, TESIS DYNAware GmbH, München Matlab Expo 2015, 12.05.2015 TESIS DYNAware GmbH, www.tesis-dynaware.com
MehrVorkurs Informatik WiSe 16/17
Institut für Programmierung Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 12.10.2016 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt
MehrVorkurs Informatik WiSe 15/16
Konzepte der Informatik Dr. Werner Struckmann / Stephan Mielke, Jakob Garbe, 20.10.2015 Technische Universität Braunschweig, IPS Inhaltsverzeichnis Schilda-Rallye Was steckt dahinter? Darstellung von Graphen
MehrAlgorithmen & Datenstrukturen Midterm Test 2
Algorithmen & Datenstrukturen Midterm Test 2 Martin Avanzini Thomas Bauereiß Herbert Jordan René Thiemann
MehrGraphalgorithmen II. Sebastian Ehrenfels Sebastian Ehrenfels Graphalgorithmen II / 44
Graphalgorithmen II Sebastian Ehrenfels 4.6.2013 Sebastian Ehrenfels Graphalgorithmen II 4.6.2013 1 / 44 Inhalt 1 Datenstrukturen Union-Find Fibonacci-Heap 2 Kürzeste wege Dijkstra Erweiterungen Bellman-Ford
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 13. ZA-Modelle mit wenigen Zuständen Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018 Ziele einige (sehr) einfache ZA als
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Graphen 9/1 Begriffsdefinitionen Ein Graph besteht aus Knoten und Kanten. Ein Knoten(Ecke) ist ein benanntes Objekt. Eine Kante verbindet zwei Knoten. Kanten haben ein Gewicht
MehrEntwurf und Umsetzung eines Werkzeugs für die Fluchtwegplanung
Entwurf und Umsetzung eines Werkzeugs für die Fluchtwegplanung Diplomarbeit Christian Weiprecht Bauhaus-Universität Weimar Fakultät Bauingenieurwesen Professur CAD in der Bauinformatik Inhaltsübersicht
MehrVerkehrsmodellierung mit THOR-Netzen Frederik Exler
Verkehrsmodellierung mit THOR-Netzen Frederik Exler 1 0. Gliederung 1. Ziel der Verkehrsmodellierung 2. Grundlagen Modell, Simulation, Petrinetze, THOR-Netze 3. Modell eines ÖPNV-Netzes Informales Modell,
MehrAdventure-Problem. Vorlesung Automaten und Formale Sprachen Sommersemester Adventure-Problem
-Problem Vorlesung Automaten und Formale Sprachen Sommersemester 2018 Prof. Barbara König Übungsleitung: Christina Mika-Michalski Zum Aufwärmen: wir betrachten das sogenannte -Problem, bei dem ein Abenteurer/eine
MehrAnt Colony Optimization (ACO)
Ant Colony Optimization (ACO) Daniel Blum 24.4.2003 Projektgruppe 431 Metaheuristiken Lehrstuhl 11, Fachbereich Informatik, Universität Dortmund 1 Übersicht Vorbild Natur Übertragung der Ideen Beispiele
MehrAlgorithmen. Gerald Futschek. Algorithmen prolog der Informatik
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus Labyrinth heraus? der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos
Mehr1 Quadratische Funktionen Potenzfunktionen Potenzrechengesetze... 15
A Wahrscheinlichkeiten Seite Kombinatorische Zählverfahren... Pascal sches Dreieck... 5 Binomialkoeffizient... 8 Vierfeldertafel... 9 5 Bedingte Wahrscheinlichkeiten... B Potenzfunktionen Quadratische
MehrSimulation der Bewegung von Fußgängern, Menschenmengen und Evakuierungsprozessen
Simulation der Bewegung von Fußgängern, Menschenmengen und Evakuierungsprozessen Andreas Keßel, Hubert Klüpfel und Michael Schreckenberg kessel,kluepfel,schreckenberg@traffic.uni-duisburg.de Physik von
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
MehrStochastische Petrinetze
Stochastische Petrinetze Proseminar WS06 The Virtual Laboratory Nils Müller Stochastische Petrinetze 1. Begriffsdefinition 1.1. Wdh. Stochastik 1.2. Wdh. Petrinetze 2. zeiterweiterte Petrinetze 2.1. Stochastische
MehrAlgorithmen und Datenstrukturen (Informatik II) SS Klausur
Lehrstuhl für Algorith. und Datenstrukturen Prof. Dr. Hannah Bast Axel Lehmann Algorithmen und Datenstrukturen (Informatik II) SS 2013 http://ad-wiki.informatik.uni-freiburg.de/teaching Klausur Mittwoch
MehrDiskrete Strukturen. Name Vorname Studiengang Matrikelnummer. Hörsaal Reihe Sitzplatz Unterschrift ... Allgemeine Hinweise
Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 7 Prof. Dr. Javier Esparza Wintersemester 2008/09 Abschlussklausur 7. Februar 2009 Diskrete Strukturen Name Vorname Studiengang
MehrHauptseminar Verkehrssimulation: Ein Blick hinter die Kulissen Vorbesprechung
Hauptseminar Verkehrssimulation: Ein Blick hinter die Kulissen Vorbesprechung Michael Moltenbrey Dirk Pflüger Scientific Computing in Computer Science Garching, 24. Juli 2006 Michael Moltenbrey, Dirk Pflüger
MehrKapitel 6. Kapitel 6 Mehrstufige Zufallsexperimente
Mehrstufige Zufallsexperimente Inhalt 6.1 6.1 Mehrstufige Experimente 6.2 6.2 Bedingte Wahrscheinlichkeiten Seite 2 6.1 Mehrstufige Experimente Grundvorstellung: Viele Viele Experimente werden der der
Mehr1 Endliche Automaten mit Ausgabe
1.1 Autokorrektur und Smileys 9 Theorie bedeutet meist, dass die Bestandteile und Eigenschaften von Systemen auf das Elementare reduziert werden, um deren Prinzipien, Zusammenhänge, Möglichkeiten und Grenzen
MehrVon Labyrinthen zu Algorithmen
Von Labyrinthen zu Gerald Futschek Wie kommt man aus einem Labyrinth heraus? Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labrys Grundriss des Palastes von Knossos 1 Fragestellungen
MehrWir basteln uns einen Donner.
Wir basteln uns einen Donner. Björnstjerne Zindler Letzte Revision: 23. Januar 2014 Inhaltsverzeichnis 1 Allgemeines 2 2 Grundlagen 3 2.1 Die Entfernung S (x) eines Blitzes........................... 3
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 4 FS 15
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérale de Zurich Politecnico federale di Zurigo Federal Institute of Technology at Zurich Institut für Theoretische Informatik 18. März
MehrKapitel 3: Untere Schranken für algorithmische Probleme Gliederung
Gliederung 1. Grundlagen 2. Analyse der Laufzeit von Algorithmen 3. Untere Schranken für algorithmische Probleme 4. Sortier- und Selektionsverfahren 5. Paradigmen des Algorithmenentwurfs 6. Ausgewählte
MehrHauptseminar Repräsentationen für Optimierungsalgorithmen
Stefan Bens Hauptseminar Dresden, 03.07.2008 Inhalt 1. Motivation 2. Einleitung 3. Repräsentationsarten und Eigenschaften 4. Beispiel 5. Zusammenfassung Folie 2 Als Repräsentation bezeichnet man die Kodierung
MehrGraphentheorie. Kürzeste Wege. Kürzeste Wege. Kürzeste Wege. Rainer Schrader. 25. Oktober 2007
Graphentheorie Rainer Schrader Zentrum für Angewandte Informatik Köln 25. Oktober 2007 1 / 20 2 / 20 Wir werden Optimierungsprobleme vom folgenden Typ betrachten: gegeben eine Menge X und eine Funktion
MehrAlgorithmen und Datenstrukturen 1 VU 6.0 Nachtragstest SS Oktober 2014
Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.813 Algorithmen und Datenstrukturen 1 VU 6.0 Nachtragstest SS 2014 22. Oktober
MehrDATENSTRUKTUREN UND ALGORITHMEN
DATENSTRUKTUREN UND ALGORITHMEN 2 Ist die Datenstruktur so wichtig??? Wahl der Datenstruktur wichtiger Schritt beim Entwurf und der Implementierung von Algorithmen Dünn besetzte Graphen und Matrizen bilden
MehrSchnellste Wege Wie funktioniert ein Navi?
Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn und Adrian Neumann Max-Planck-Institut für Informatik Vorlesung Ideen der Informatik Schnellste Wege Routenfinden im Navi Karten und Graphen Algorithmen
MehrVorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 34 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Kürzeste Wege zwischen allen Knotenpaaren (APSP)! Viele Anwendungen:! Navigationssysteme!
MehrProseminar Theoretische Informatik. Die Klasse NP. von Marlina Spanel
Proseminar Theoretische Informatik Die Klasse NP von Marlina Spanel 29.11.2011 1 Gliederung Gliederung Problem des Handlungsreisenden Die Klasse NP Einleitung und Wiederholung Sprachen Nichtdeterministische
MehrVorhersage der effektiven Wärmeleitfähigkeit in mehrphasigen Systemen
Bayerisches Zentrum für Angewandte Energieforschung e.v. Vorhersage der effektiven Wärmeleitfähigkeit in mehrphasigen Systemen D. Gerstenlauer, S. Vidi, F. Hemberger, HP. Ebert Vortrag AK Thermophysik
MehrKapitel 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
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Kürzeste Wege Maike Buchin 4. und 6.7.2017 Einführung Motivation: Bestimmung von kürzesten Wegen ist in vielen Anwendungen, z.b. Routenplanung, ein wichtiges Problem. Allgemeine
MehrIntelligente Benutzerführung für die Navigation in 3D-Stadtmodellen
Intelligente Benutzerführung für die Navigation in 3D-Stadtmodellen AgA-Tagung Dresden 27.09-28.09.2010 Universität Bonn Institut für Geodäsie und Geoinformation Motivation Wachsende Verbreitung von 3D-Stadtmodellen
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrGraphenalgorithmen I
Graphenalgorithmen I Vortrag im Seminar Hallo Welt! für Fortgeschrittene 7. Juni 211 Graphenalgorithmen I 1/33 Motivation Problem Wie komme ich am schnellsten ins Kanapee? Problem Wie kommt ein Datenpaket
MehrEvakuierung von Gebäuden, Regionen und Gebieten: Wie kann Modellierung dabei helfen?
Evakuierung von Gebäuden, Regionen und Gebieten: Wie kann Modellierung dabei helfen? Prof. Dr. Horst W. Hamacher TU Kaiserslautern Workshop 30. November 2009 Formen der Modellierung Mikro-Modelle Berücksichtigung
MehrEinführung in die objektorientierte Programmierung mit C++
Prof. Dr. Thomas Klinker FB Elektrotechnik und Informatik 08. 03. 2007 Projekt im 4. Semester Elektrotechnik: Einführung in die objektorientierte Programmierung mit C++ Aufgabe 1: Schreiben Sie ein Programm,
MehrTechnische Universität München. Kombinatorik. Christian Fuchs
Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal spannende Bäume 5. Kürzeste Pfade 6. Traveling Salesman Problem 7. Flüsse
MehrKürzeste und Schnellste Wege
Ideen und Konzepte der Informatik Kürzeste und Schnellste Wege Wie funktioniert ein Navi? Kurt Mehlhorn Schnellste Wege Routen finden im Navi Karten und Graphen Schnellste und kürzeste Wege sind das gleiche
MehrLocal Search Algorithmen 1
Local Search Algorithmen 1 Seminar über Algorithmen Manuel Gellfart 18.05.2012 Fachbereich Mathematik und Informatik 18.05.2012 2 Gliederung 1. Einleitung 2. Theorie 3. Beispiel: Vertex Cover 4. Beispiel:
MehrEvakuierung. Aufgabe der Vorrunde für die 20-te Mathematik A-lympiade. 21. November 2008
Evakuierung Aufgabe der Vorrunde für die 20-te Mathematik A-lympiade 21. November 2008 Die A-lympiade in NRW wird durch das Ministerium für Schule und Weiterbildung ausgerichtet mit freundlicher Unterstützung
MehrDie Theorie der Toleranzen und deren Anwendung auf das Traveling Salesman Problem
Die Theorie der Toleranzen und deren Anwendung auf das Traveling Salesman Problem Gerold Jäger 4. Februar 2010 Gerold Jäger Theorie der Toleranzen 4. Februar 2010 1 / 35 Überblick 1 Theorie der Toleranzen
MehrVereinfachung und Schematisierung von Polygonen
Vorlesung Algorithmische Kartografie Vereinfachung und Schematisierung von Polygonen INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Benjamin Niedermann Martin Nöllenburg 28.04.2015 1 Übersicht
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Graphdarstellungen Maike Buchin 0.6.017 Graphen Motivation: Graphen treten häufig als Abstraktion von Objekten (Knoten) und ihren Beziehungen (Kanten) auf. Beispiele: soziale
MehrAdiabatisches Quantencomputing
DLR.de Folie > Adiabatisches Quantencomputing > Elisabeth Lobe, Tobias Stollenwerk > 5.5.205 Adiabatisches Quantencomputing Elisabeth Lobe, Tobias Stollenwerk Simulations- und Softwaretechnik HPCN Workshop,
MehrSteigung und Tangente. Steigung eines Funktionsgraphen in einem Punkt
R. Brinkmann http://brinkmann-du.de Seite 1 06..008 Steigung und Tangente Steigung eines Funktionsgraphen in einem Punkt In Segelflugzeugen sind häufig Flugschreiber eingebaut, die die Flughöhe in Abhängigkeit
MehrHauptseminar Roboternavigation. Kartenaufbau nach Thrun
Hauptseminar Roboternavigation Kartenaufbau nach Thrun Hannes Keil keil@in.tum.de 18. Januar 2002 Überblick Kartenaufbau nach Thrun Überblick 1. Einführung in den Kartenbau 2. Einführung in den Aufbau
MehrDas Steinerbaumproblem
Das Steinerbaumproblem Natalie Richert Fakultät für Elektrotechnik, Informatik und Mathematik, Universität Paderborn 4. Februar 008 / 3 Überblick Problembeschreibung Vorstellung von zwei Approimationsalgorithmen
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
Mehr5 Suchmaschinen Page Rank. Page Rank. Information Retrieval und Text Mining FH Bonn-Rhein-Sieg, SS Suchmaschinen Page Rank
Page Rank Google versucht die Bedeutung von Seiten durch den sogenannten Page Rank zu ermitteln. A C Page Rank basiert auf der Verweisstruktur des Webs. Das Web wird als großer gerichteter Graph betrachtet.
MehrFreispeicherverwaltung Martin Wahl,
Freispeicherverwaltung Martin Wahl, 17.11.03 Allgemeines zur Speicherverwaltung Der physikalische Speicher wird in zwei Teile unterteilt: -Teil für den Kernel -Dynamischer Speicher Die Verwaltung des dynamischen
MehrWahrscheinlichkeitsrechnung [probability]
Wahrscheinlichkeitsrechnung [probability] Hinweis: Die Wahrscheinlichkeitsrechnung ist nicht Gegenstand dieser Vorlesung. Es werden lediglich einige Begriffsbildungen bereitgestellt und an Beispielen erläutert,
Mehr3 Hilfefunktionen PROJEKT. Windows XP Professional Edition. Hilfefunktion starten. Das elektronische Handbuch. Das Stichwortregister der Windows-Hilfe
PROJEKT 3 Hilfefunktionen Windows XP Professional Edition Windows XP Professional Edition ISBN 3-8272-6244-5 Sicherlich haben Sie die Begleitbücher zur installierten Software, die Ihnen die Arbeit mit
MehrAlgorithmen. Von Labyrinthen zu. Gerald Futschek
Von Labyrinthen zu Algorithmen Gerald Futschek Wie kommt man aus einem Labyrinth (griechisch: Haus der Doppelaxt, wahrscheinlich Knossos auf Kreta) Labyrinth heraus? Labrys Grundriss des Palastes von Knossos
MehrKonzentrische U-Bahn-Linienpläne
Bachelor-Kolloquium Konzentrische U-Bahn-Linienpläne Magnus Lechner 19.03.2014 Betreuer: Prof. Dr. Alexander Wolff Dipl.-Inf. Martin Fink Motivation Warum sind U-Bahn-Linienpläne von Interesse? Motivation
MehrMarketing Automation - Use Case Layer für User ohne Newsletter-Registrierung
Marketing Automation - Use Case Layer für User ohne Newsletter-Registrierung Document version 1.0 2016 Webtrekk GmbH Inhaltsverzeichnis 1 Use case 2 Setup in Marketing Automation 1 Use Case Dieser Use
MehrKürzeste Wege in Graphen. Orte mit Straßenverbindungen. Coma I Rolf Möhring
Kürzeste Wege in Graphen Orte mit Straßenverbindungen Orte als Knoten eines Graphen Straßenverbindungen als Kanten eines Graphen Ungerichteter Graph G = (V,E) Kanten Knoten Knotenmenge V = {,,n} oder {,,n
MehrModellierung des Verkehrs als Flüssigkeit. Proseminar Algorithmen der Verkehrssimulation WS 05/06 Atanas Gegov
Modellierung des Verkehrs als Flüssigkeit Proseminar Algorithmen der Verkehrssimulation WS 05/06 Atanas Gegov Gliederung: 1. Gründe für das Interesse an Verkehr und dessen Probleme 2. Verschiedene Verkehrsmodelle
MehrM0 BIO - Reaktionszeit
M0 BIO - Reaktionszeit 1 Ziel des Versuches In diesem Versuch haben Sie die Möglichkeit, sich mit Messunsicherheiten vertraut zu machen. Die Analyse von Messunsicherheiten erfolgt hierbei an zwei Beispielen.
Mehr. Die obige Beschreibung der Laufzeit für ein bestimmtes k können wir also erweitern und erhalten die folgende Gleichung für den mittleren Fall:
Laufzeit von Quicksort im Mittel. Wir wollen die erwartete Effizienz von Quicksort ermitteln. Wir nehmen an, die Wahrscheinlichkeit, dass das gewählte Pivot-Element a j das k-t kleinste Element der Folge
MehrDas 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
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Minimale Spannbäume Maike Buchin 18.7., 20.7.2017 Einführung Motivation: Verbinde Inseln mit Fähren oder Städte mit Schienen und verbrauche dabei möglichst wenig Länge. Problem:
MehrVon Bildzeichen, Wegweisern und Automaten
KRITERIENKATALOG ZUR BARRIEREFREIHEIT FÜR MENSCHEN MIT KOGNITIVEN EINSCHRÄNKUNGEN Von Bildzeichen, Wegweisern und Automaten Vorstellung der Projektinhalte im Rahmen des BAR-Seminars Praktische Umsetzung
Mehr4.2 Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition 4.2.1
Allgemeines. Minimale Spannbäume: Der Algorithmus von Jarník/Prim Definition.. (a) Ein Graph G =(V, E) heißt kreisfrei, wenn er keinen Kreis besitzt. Beispiel: Ein kreisfreier Graph: FG KTuEA, TU Ilmenau
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
MehrDie Höhe von binären Suchbäumen Ausarbeitung zum Seminar zu Stochastischen Rekursionsgleichungen im WS 2011/2012
Die Höhe von binären Suchbäumen Ausarbeitung zum Seminar zu Stochastischen Rekursionsgleichungen im WS 011/01 Sandra Uhlenbrock 03.11.011 Die folgende Ausarbeitung wird, basierend auf Branching Processes
MehrKlausur. 18. Juli 2008, 10:15-12:15 Uhr. Name:... Matrikelnummer:... Anzahl beschriebener Blätter (ohne Aufgabenblatt):... D(p) : Y = p x X + p y
GRUNDZÜGE DER ALGORITHMISCHEN GEOMETRIE Klausur 18. Juli 2008, 10:15-12:15 Uhr Name:................................... Matrikelnummer:................................... Anzahl beschriebener Blätter (ohne
MehrApproximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial
Approximation der Flugbahnen von Metallteilen nach Abscheidung durch einen Wirbelstromscheider anhand von Videomaterial Lukas Nilgen 13. Januar 2016 1 / 22 Inhaltsverzeichnis 1 Definition eines Wirbelstromscheiders
MehrIterationen erfolgreich planen und umsetzen
Iterationen erfolgreich planen und umsetzen 29.09.2015 06:03 von Bernfried Howe Ein Projekt Manager steht immer wieder vor der Herausforderung, Aufgaben, die innerhalb eines definierten Planungszeitraums
MehrAttached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie
Rheinisch-Westfälischen Technischen Hochschule Aachen Lehr- und Forschungsgebiet Theoretische Informatik Prof. Rossmanith Attached! Proseminar Netzwerkanalyse SS 2004 Thema: Biologie Deniz Özmen Emmanuel
MehrDiagnose-Bogen Mathematik Erich Kästner Schule Seite 1 von 7
Diagnose-Bogen Mathematik Erich Kästner Schule Seite 1 von 7 Im Mathematikunterricht der Oberstufe muss man auf mathematisches Handwerkszeug aus der Sekundarstufe I zurückgreifen. Wir wollen deshalb deine
MehrKlausur Algorithmentheorie
Prof. Dr. G. Schnitger Frankfurt, den 07.04.2011 M. Poloczek Klausur Algorithmentheorie WS 2010/2011 Name: Vorname: Geburtsdatum: Studiengang: BITTE GENAU LESEN Die Klausur besteht aus 4 Aufgaben, in denen
MehrVon Aachen nach Halle...
Von Aachen nach Halle... Koeln? Aachen Halle 14. 6. 15. 6. 16. 6. Saarbruecken? Effiziente Algorithmen fr Graphtraversierungen Ulrich Meyer p. 3 Von Aachen nach Halle... Koeln? Aachen Halle 14. 6. 15.
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
Mehr1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung
Fakultät Informatik > Angewandte Informatik > Technische Informationssysteme Studentischer Vortrag 1-, 2-, 3D-Modelle: Überblick, Vergleich und Anwendung Mai, Tuan Linh Dresden, 17.Jan.2011 Inhalt 1. Motivation
MehrSugiyama-Verfahren für große Graphen 1/22
Sugiyama-Verfahren für große Graphen Dirk Ribbrock Nils Kriege Sophia Kardung Universität Dortmund - LS 11 - Graphenzeichnen Dortmund, 27. November 2007 Sugiyama-Verfahren für große Graphen 1/22 Übersicht
MehrVon Bildzeichen, Wegweisern und Automaten
KRITERIENKATALOG ZUR BARRIEREFREIHEIT FÜR MENSCHEN MIT KOGNITIVEN EINSCHRÄNKUNGEN Von Bildzeichen, Wegweisern und Automaten Vorstellung der Projektinhalte im Rahmen der Fachtagung KONTRASTE des DIPB am
Mehr12. AuD Tafelübung T-C3
12. AuD Tafelübung T-C3 Simon Ruderich 2. Februar 2011 Kollisionen (Primär)Kollision Stelle mit normal eingefügtem Element schon belegt (gleicher Hashwert) tritt bei verketteten Listen und Sondierung auf
MehrVoronoi-Diagramme. Dr. Martin Nöllenburg Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK
Vorlesung Algorithmische Geometrie INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 29.05.2011 Das Postamt-Problem b(p, q) = {x R 2 : xp = xq } p q h(p, q) h(q, p) = {x :
MehrWie Simulationen auf Basis von digitalen Gebäudemodellen die Gebäudeperformance. GLT Anwendertagung 2017 I TU Ilmenau
Wie Simulationen auf Basis von digitalen Gebäudemodellen die Gebäudeperformance verbessern GLT Anwendertagung 2017 I TU Ilmenau siemens.de/bim Was ist Building Information Modeling? Datenbasierte Planung,
Mehr