Listen, Stapel, Warteschlangen
|
|
- Jasmin Claudia Fischer
- vor 7 Jahren
- Abrufe
Transkript
1 Lsten, Stapel, Warteschlangen Thomas Röfer Abstrakte Datentypen Rehung Stapel Warteschlange Enfach und doppelt verkettete Lste
2 Rückblck Prozeduren, Funktonen, Datenströme, JavaDoc Unterprogramme Prozeduren Funktonen Kopf (Sgnatur) Rumpf Formale Aktuelle Parameter En/Ausgabe & Transente P. Überladung plus plus :: nt nt longnt longnt plus plus :: nt nt longlong longlong plus plus :: long long longlong longlong plus plus :: long long ntnt ntnt De Funkton man() >java Klasse Hallo "des und das" Strng[] args args args.length 3 args[0] "Hallo" args[1] "21333" args[2] "des und das" JavaDoc Datenströme Datenströme n Java stream stream FleInputStream FleInputStream reader reader InputStreamReader buffer buffer BufferedReader BufferedReader lne lne Strng Strng PI-1: Lsten, Stapel, Warteschlangen 2
3 Abstrakte Datentypen Defnton En abstrakter Datentyp besteht aus den Daten selbst (z.b. Objektzustand) und den auf den Daten auszuführenden Operatonen (z.b. Methoden) Öffentlche Schnttstelle der Operatonen Interne Abläufe werden versteckt (Gehemnsprnzp) In Java: Klassen Algebrasche abstrakte Datentypen Neben der Schnttstelle der Operatonen wrd zusätzlch de Semantk der Operatonen formal beschreben, z.b. n Form von Axomen plus : nt ntnt null : nt plus(a, b) plus(b, a) plus(a, null) a plus(a, plus(b, c)) plus(plus(a, b), c) PI-1: Lsten, Stapel, Warteschlangen 3
4 Rehungen Egenschaften Wahlfreer Zugrff auf alle Elemente n konstanter Zet über Index Rehungen haben normalerwese ene feste Größe Wenn ncht, snd Vergrößern und Verklenern teure Operatonen (neue Rehung anlegen, alte Daten hnüberkoperen) Enfügen und Löschen snd teure Operatonen, da alle Elemente hnter dem engefügten/gelöschten kopert werden müssen Operatonen ener Rehung fester Größe Rehung erzeugen create : ntarray Entrag schreben set : Array nt EntryArray Entrag auslesen get : Array ntentry Länge auslesen length : Array nt PI-1: Lsten, Stapel, Warteschlangen 4
5 Rehung mt Enfügen und Löschen // // nt nt Datentyp Datentyp der der Enträge Enträge Array Array nt[] nt[] entres entres nt[0]; nt[0]; nt nt get(nt get(nt pos) pos) entres[pos]; entres[pos]; set(nt set(nt pos, pos, nt nt entres[pos] entres[pos] entres.length entres.length 0; 0; nsertbefore(nt nsertbefore(nt pos, pos, nt nt nt[] nt[] temp temp nt[entres.length nt[entres.length 1]; 1]; for(nt for(nt 0; 0; < < pos; pos; ) ) temp[] temp[] entres[]; entres[]; temp[pos] temp[pos] for(nt for(nt pos; pos; < < entres.length; entres.length; ) ) temp[ temp[ 1] 1] entres[]; entres[]; entres entres temp; temp; remove(nt remove(nt pos) pos) nt[] nt[] temp temp nt[entres.length nt[entres.length - - 1]; 1]; for(nt for(nt 0; 0; < < pos; pos; ) ) temp[] temp[] entres[]; entres[]; for(nt for(nt pos pos 1; 1; < < entres.length; entres.length; ) ) temp[ temp[ - - 1] 1] entres[]; entres[]; entres entres temp; temp; PI-1: Lsten, Stapel, Warteschlangen 5
6 Stapel (Stack) Zweck En Stapel dent zum Zwschenspechern von Elementen Der Zugrff erfolgt nach dem last-n, -out Prnzp (lfo), d.h. das zuletzt abgelegte Element wrd zuerst zurückgelefert Operatonen Stapel erzeugen create : Stack Entrag ablegen push : Stack EntryStack Kopf auslesen top : StackEntry Entrag entnehmen pop : StackStack Auf Leere testen empty : Stack Axome top(push(s, e)) e pop(push(s, e)) s empty(create()) empty(push(s, e)) Alternatve Entrag entnehmen und zurücklefern pop : StackStack Entry PI-1: Lsten, Stapel, Warteschlangen 6
7 Bespel: En UPN-Rechner Umgekehrte Polnsche Notaton De Operanden kommen zuerst, dann kommt der Operator, z.b. 1 2 Arbetet als Stack-Maschne: Jeder Operator holt sch sene Operanden von der Sptze des Stapels und legt das Ergebns weder dort ab Bespel Für 1 2 * 3 schrebt man: * * PI-1: Lsten, Stapel, Warteschlangen 7
8 Bespel: En UPN-Rechner n Java Eval Eval statc statc eval(strng[] eval(strng[] expresson) expresson) Stack Stack stack stack Stack(); Stack(); for(nt for(nt 0; 0; < < expresson.length; expresson.length; ) ) Strng Strng s s expresson[]; expresson[]; f(s.equals("")) f(s.equals("")) stack.push(stack.pop() stack.push(stack.pop() stack.pop()); stack.pop()); f(s.equals("-")) f(s.equals("-")) stack.push(-stack.pop() stack.push(-stack.pop() stack.pop()); stack.pop()); f(s.equals("*")) f(s.equals("*")) stack.push(stack.pop() stack.push(stack.pop() * * stack.pop()); stack.pop()); f(s.equals("/")) f(s.equals("/")) stack.push(1 stack.push(1 / / stack.pop() stack.pop() * * stack.pop()); stack.pop()); stack.push(double.parsedouble(s)); stack.push(double.parsedouble(s)); stack.pop(); stack.pop(); PI-1: Lsten, Stapel, Warteschlangen 8
9 Beschränkter Stapel Stack Stack top top 34 3 entres s.push(6) s.pop() PI-1: Lsten, Stapel, Warteschlangen 9
10 Beschränkter Stapel Stack [] [] entres; entres; nt nttop; top; Stack(nt Stack(ntsze) entres entres [sze]; top top 0; 0; push( push( assert asserttop top < entres.length; entres.length; entres[top] entres[top] pop() assert assert!;!; entres[--top]; entres[--top]; top top 0; 0; // // Datentyp Datentyp der der Enträge Enträge PI-1: Lsten, Stapel, Warteschlangen 10
11 Stack als enfach verkettete Lste Stack Stack s.push(4) s.pop() PI-1: Lsten, Stapel, Warteschlangen 11
12 Stack als enfach verkettete Lste ; ; ; ; Stack Stack ; ; Stack() Stack() push( push( s s (); (); s. s. s. s. ; ; s; s; pop() pop() d d.;.;.;.; d; d; PI-1: Lsten, Stapel, Warteschlangen 12
13 Warteschlange (Queue) Zweck Ene Warteschlange dent zum Zwschenspechern von Elementen Der Zugrff erfolgt nach dem -n, -out Prnzp (llo), d.h. das zuerst abgelegte Element wrd auch zuerst zurückgelefert Operatonen Warteschlange erzeugen create : Queue Entrag ablegen push : Queue EntryQueue Kopf auslesen top : Queue Entry Entrag entnehmen pop : Queue Queue Auf Leere testen empty : Queue Axome top(push(push(create(), e), f)) e pop(push(push(create(), e), f)) push(create(), f) empty(create()) empty(push(q, e)) Alternatve Entrag entnehmen und zurücklefern pop : Queue Queue Entry PI-1: Lsten, Stapel, Warteschlangen 13
14 Bespel: UPN-Rechner mt Puffer Eval Eval statc statc eval(strng eval(strng expresson) expresson) eval(splt(expresson)); eval(splt(expresson)); statc statc Queue Queue splt(strng splt(strng expresson) expresson) Queue Queue queue queue Queue(); Queue(); expresson expresson expresson.trm(); expresson.trm(); whle(!expresson.equals("")) whle(!expresson.equals("")) nt nt ndex ndex (expresson (expresson " " ").ndexof(" ").ndexof(" "); "); queue.push(expresson.substrng(0, queue.push(expresson.substrng(0, ndex)); ndex)); expresson expresson expresson.substrng(ndex).trm(); expresson.substrng(ndex).trm(); queue; queue; statc statc eval(queue eval(queue queue) queue) Stack Stack stack stack Stack(10); Stack(10); whle(!queue.) whle(!queue.) Strng Strng s s queue.pop(); queue.pop(); PI-1: Lsten, Stapel, Warteschlangen 14
15 Beschränke Warteschlange (Rngpuffer) Queue Queue 3 2 last last 90 9 entres "17" "5" "3" "0" q.push("6") "7" "8" "42" "19" "11" null "6" q.pop() PI-1: Lsten, Stapel, Warteschlangen 15
16 Beschränke Warteschlange (Rngpuffer) Queue Queue Strng[] Strng[] entres; entres; nt nt,, last; last; Queue(nt Queue(nt sze) sze) entres entres Strng[sze Strng[sze 1]; 1]; last last 0; 0; push(strng push(strng entres[last] entres[last] last last % % entres.length; entres.length; assert assert!;!; Strng Strng pop() pop() assert assert!;!; Strng Strng entry entry entres[]; entres[]; % % entres.length; entres.length; last; last; // // Strng Strng Datentyp Datentyp der der Enträge Enträge PI-1: Lsten, Stapel, Warteschlangen 16
17 Warteschlange als enfach verkettete Lste Queue Queue last last q.push(4) QueueElement "1" "1" q.pop() QueueElement "2" "2" QueueElement "4" "4" QueueElement "3" "3" PI-1: Lsten, Stapel, Warteschlangen 17
18 Warteschlange als enfach verkettete Lste QueueElement QueueElement QueueElement QueueElement ; ; Strng ; Strng ; QueueElement(Strng QueueElement(Strng s) s) s; s; Queue Queue QueueElement QueueElement,, last; last; Queue() Queue() last last push(strng push(strng s) s) f() f() last QueueElement(s); last QueueElement(s); last. last. QueueElement(s); QueueElement(s); last last last.; last.; Strng Strng pop() pop() assert assert!;!; Strng Strng s s.;.;.;.; s; s; PI-1: Lsten, Stapel, Warteschlangen 18
19 Lsten Enfach verkettete Lste Jedes Element enthält enen Zeger auf senen Nachfolger Kann nur n ener Rchtung durchlaufen werden Enfügen mmer hnter en exsterendes Lstenelement En Element kann nur gelöscht werden, wenn sen Vorgänger bekannt st Doppelt verkettete Lste Jedes Element enthält enen Zeger auf senen Vorgänger und senen Nachfolger Kann vor- und rückwärts durchlaufen werden Enfügen vor und hnter exsterende Lstenelemente Elemente können problemlos gelöscht werden Lst Lst DLLst DLLst last last 3 3 null null DL DL 1 1 prevous prevous null null DL DL 1 1 prevous prevous DL DL 1 1 prevous prevous null null PI-1: Lsten, Stapel, Warteschlangen 19
20 Operatonen auf Lsten Egenschaften Zugrff auf Elemente nur n fester Rehenfolge Enfügen und Löschen snd n konstanter Zet möglch Specherplatzverbrauch höher als be Rehungen Operatonen auf Lsten (z.b. enfach verkettet) Lst create : Lst : Lst nsert : Lst Entry Lst remove : Lst Lst empty : Lst last : : entry : Entry PI-1: Lsten, Stapel, Warteschlangen 20
21 Enfach verkettete Lste mt Index nt nt ; ; (nt (nt e) e) entry entry e; e; Lst Lst ; ; Lst() Lst() at(nt at(nt pos) pos) current current ; ; whle(pos whle(pos > > 0 0 && && current current!! null) null) current current current.; current.; --pos; --pos; current; current; nt nt get(nt get(nt pos) pos) at(pos). at(pos). set(nt set(nt pos, pos, nt nt at(pos).entry at(pos).entry PI-1: Lsten, Stapel, Warteschlangen 21
22 Enfach verkettete Lste mt Index nsertbefore(nt nsertbefore(nt pos, pos, nt nt Elem Elem (; (; f(pos f(pos 0) 0) Elem. Elem. ; ; Elem; Elem; current current at(pos at(pos - - 1); 1); Elem. Elem. current.; current.; current. current. Elem; Elem; remove(nt remove(nt pos) pos) f(pos f(pos 0) 0).;.; current current at(pos at(pos - - 1); 1); current. current. current..; current..; PI-1: Lsten, Stapel, Warteschlangen 22
23 Abbldung von Stack/Queue auf Lst Stack Stack Lst Lst lst lst Lst(); Lst(); push(entry push(entry e) e) lst.nsertbefore(e, lst.nsertbefore(e, lst.()); lst.()); Entry Entry pop() pop() e e (); (); lst.remove(e); lst.remove(e); e. e. lst.; lst.; Queue Queue Lst Lst lst lst Lst(); Lst(); push(entry push(entry e) e) lst.nsertbefore(e, lst.nsertbefore(e, lst.()); lst.()); Entry Entry pop() pop() e e last(); last(); lst.remove(e); lst.remove(e); e. e. lst.; lst.; PI-1: Lsten, Stapel, Warteschlangen 23
Vererbung. Thomas Röfer. Pakete Vererbung Frühes / spätes Binden Lokale Klassen Zugriffsschutz Abstrakte Klassen und Schnittstellen Mehrfaches Erben
Vererbung Thomas Röfer Pakete Vererbung Frühes / spätes Binden Lokale Klassen Zugriffsschutz bstrakte Klassen und Schnittstellen Mehrfaches Erben Rückblick Listen, Stapel, Warteschlangen bstrakte Datentypen
MehrVererbung. Thomas Röfer
Vererbung Thomas Röfer Pakete Vererbung Frühes / spätes Binden Lokale Klassen Zugriffsschutz bstrakte Klassen und Schnittstellen nonyme Klassen Mehrfaches Erben Rückblick Listen, Stapel, Warteschlangen
MehrSortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator
Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet
MehrSortieren. Thomas Röfer. Permutationen Naives Sortieren Sortieren durch Einfügen, Auswählen, Vertauschen, Mischen QuickSort Comparator
Unverstät Bremen Sorteren Thomas Röfer Permutatonen Naves Sorteren Sorteren durch Enfügen, Auswählen, Vertauschen, Mschen QuckSort Comparator Unverstät Bremen Rückblck Suchen Identtät/Flache/Tefe Glechhet
MehrChair of Software Engineering
1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten
Mehr16. Dynamische Datenstrukturen
Datenstrukturen 6. Dynamische Datenstrukturen Eine Datenstruktur organisiert Daten so in einem Computer, dass man sie effizient nutzen kann. Verkettete Listen, Abstrakte Datentypen Stapel, Warteschlange
MehrEinführung in die Programmiertechnik
Einführung in die Programmiertechnik Klassen und Abstrakte Datentypen Abstrakte Datentypen (ADT) Beschreibung der Datentypen nicht auf Basis ihrer Repräsentation, sondern auf Basis ihrer Operationen und
MehrÜbungen zu Algorithmen
Insttut für Informatk Unverstät Osnabrück, 06.12.2016 Prof. Dr. Olver Vornberger http://www-lehre.nf.uos.de/~anf Lukas Kalbertodt, B.Sc. Testat bs 14.12.2016, 14:00 Uhr Nls Haldenwang, M.Sc. Übungen zu
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrALP II Dynamische Datenmengen Datenabstraktion
ALP II Dynamische Datenmengen Datenabstraktion O1 O2 O3 O4 SS 2012 Prof Dr Margarita Esponda M Esponda-Argüero 1 Dynamische Datenmengen Dynamische Datenmengen können durch verschiedene Datenstrukturen
MehrStack. Queue. pop() liefert zuletzt auf den Stack gelegtes Element und löscht es push( X ) legt ein Element X auf den Stack
Stack und Queue Grundlegender Datentyp Menge von Operationen (add, remove, test if empty) auf generischen Daten Ähnlich wie Listen, aber mit zusätzlichen Einschränkungen / Vereinfachungen: Einfügen immer
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
Mehr13. Dynamische Datenstrukturen
Motivation: Stapel. Dynamische Datenstrukturen Verkettete Listen, Abstrakte Datentypen Stapel, Warteschlange, Sortierte Liste 40 40 Motivation: Stapel ( push, pop, top, empty ) Wir brauchen einen neuen
MehrEinfügen immer nur am Kopf der Liste Löschen auch nur an einem Ende (2 Möglichkeiten!)
Stack und Queue Grundlegender Datentyp Menge von Operationen (add, remove, test if empty) auf generischen Daten Ähnlich wie Listen, aber mit zusätzlichen Einschränkungen / Vereinfachungen: Einfügen immer
MehrAbstrakter Datentyp (ADT): Besteht aus einer Menge von Objekten, sowie Operationen, die auf diesen Objekten wirken.
Abstrakte Datentypen und Datenstrukturen/ Einfache Beispiele Abstrakter Datentyp (ADT): Besteht aus einer Menge von Objekten, sowie Operationen, die auf diesen Objekten wirken. Datenstruktur (DS): Realisierung
Mehr1 Definition und Grundbegriffe
1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:
MehrALP II Dynamische Datenmengen Datenabstraktion (Teil 2)
ALP II Dynamische Datenmengen Datenabstraktion (Teil 2) O1 O2 O3 O4 SS 2012 Prof. Dr. Margarita Esponda 49 Einfach verkettete Listen O1 O2 O3 50 Einführung Einfach verkettete Listen sind die einfachsten
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrLineare Regression (1) - Einführung I -
Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:
Mehr12. Dynamische Datenstrukturen
Motivation: Stapel. Dynamische Datenstrukturen Verkettete Listen, Abstrakte Datentypen Stapel, Warteschlange, Implementationsvarianten der verketteten Liste 0 04 Motivation: Stapel ( push, pop, top, empty
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrMusterlösung: IntToGerman
Musterlösung: IntToGerman class classinttogerman static staticfinal finalstring[] digit digit = "","ein","zwei","drei","vier","fünf","sechs", "sieben","acht","neun","zehn","elf","zwölf" }; }; static staticfinal
Mehro Alphabet Σ ( Beispiel: {F, +, -} ) o P: Σ -> Σ * eine Produktion o w 0 = F o w 1 = F+F+ o w 2 = F+F++F+F++ o w 3 = F+F++F+F+++F+F++F+F+++ o...
Fraktale rekursv zechnen Defnton o Alphabet Σ ( Bespel: F, +, - ) o Σ * = Menge aller endlchen Wörter über Σ ( Bespel: F+F+ st n Σ * ) o P: Σ -> Σ * ene Produkton Bespel: P(F) = F+F+ P(+) = + P(- ) = -
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrKonkatenation zweier Listen mit concat
Ein Datenmodell für Listen Konkatenation zweier Listen mit concat Was ist an der Konkatenation etwas unschön? Man muss die vordere Liste einmal durchgehen, um den letzten Nachfolger (urspr. null zu erhalten,
MehrPolygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.
Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener
MehrSpezielle Datenstrukturen
Spezielle Datenstrukturen Stapel (Stack) Beschreibung der Datenstruktur Stapel Ein Stapel (engl. Stack), auch Stapelspeicher oder Keller bzw. Kellerspeicher genannt, ist eine Datenstruktur, in der Daten
MehrManipulation von Mengen
Manpulaton von Mengen Thomas Röfer Vorrangwarteschlange Lnksbaum Heap HeapSort Unon-Fnd-Strukturen Allgemener Rahmen für Mengenmanpulatonen Rückblck Hashng Streuspecherverfahren Hashfunkton Hashen mt Verkettung
MehrBackup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1
Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen
MehrGrundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny
Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.
MehrCounting - Sort [ [ ] [ [ ] 1. SS 2008 Datenstrukturen und Algorithmen Sortieren in linearer Zeit
Counting-Sort Counting - Sort ( A,B,k ). for i to k. do C[ i]. for j to length[ A]. do C[ A[ j ] C[ A[ j ] +. > C[ i] enthält Anzahl der Elemente in 6. for i to k. do C[ i] C[ i] + C[ i ]. > C[ i] enthält
Mehr1 Abstrakte Datentypen
1 Abstrakte Datentypen Spezifiziere nur die Operationen! Verberge Details der Datenstruktur; der Implementierung der Operationen. == Information Hiding 1 Sinn: Verhindern illegaler Zugriffe auf die Datenstruktur;
Mehr12.3 Ein Datenmodell für Listen
Zweiter Versuch: Wir modellieren ein Element der Liste zunächst als eigenständiges Objekt. Dieses Objekt hält das gespeicherte Element. Andererseits hält das Element- Objekt einen Verweis auf das nächste
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
MehrAufgaben NF 11; Seite 1
Aufgabe Ref 1: Gegeben ist die Klasse Schueler public class Schueler { private String name, vorname, kurs; // Konstruktor public Schueler(String n, String vn, String k) { name=n; vorname=vn; kurs=k; public
MehrEinführung in die Informatik I
Einführung in die Informatik I Einige wichtige Datenstrukturen: Vektor, Matrix, Liste, Stapelspeicher, Warteschlange Prof. Dr. Nikolaus Wulff Datenstruktur / Datentyp Programme benötigen nicht nur effiziente
Mehr9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.
Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.
MehrNeuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .
Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
MehrAbstrakte Datentypen und deren Implementierung in Python
Kapitel 15: Abstrakte Datentypen und deren Implementierung in Python Einführung in die Informatik Wintersemester 007/08 Prof. Bernhard Jung Übersicht Abstrakte Datentypen ADT Stack Python-Implementierung(en)
MehrWiederholung: Zusammenfassung Felder. Algorithmen und Datenstrukturen (für ET/IT) Definition Abstrakter Datentyp. Programm heute
Wiederholung: Zusammenfassung Felder Algorithmen und Datenstrukturen (für ET/IT) Wintersemester / Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Ein Feld A kann repräsentiert
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 13. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Folensatz Mchael Brnkmeer Technsche Unverstät Ilmenau Insttut für Theoretsche Informatk Sommersemester 009 TU Ilmenau Sete / Sorteren TU Ilmenau Sete / Das Sorterproblem Das Sorterproblem Daten: ene total
Mehr5.3 Doppelt verkettete Listen
5.3 Doppelt verkettete Listen Einfach verkettete Listen unterstützen das Einfügen und Löschen am Anfang in konstanter Zeit; für das Einfügen und Löschen am Ende benötigen sie jedoch lineare Laufzeit Doppelt
Mehr( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )
Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch
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)
MehrRte de Tavel 10 - Case postale / Postfach Fribourg - Tél. 026 / Fax 026 /
2011.03.30 Benutzeranletung Onlne Termnreservaton Zu unseren Interndenstlestungen gelangen Se unter www.ocn.ch 1. ASS ONLINE NLINE anklcken 2. Termne Technsche Kontrollen anklcken a Rte de Tavel 10 - Case
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
Mehr6. Modelle mit binären abhängigen Variablen
6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch
Mehre dt (Gaußsches Fehlerintegral)
Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)
MehrMOD-01 LAGRANGE FORMALISMUS -- TEIL 1
MOD- LAGRAGE FORMALISMUS -- EIL. Zustandsfunktonen Defnton -: Zustandsfunkton Ene Zustandsfunkton W( () t, t) = W(, t) bzw. W ( ) st jede belebge skalare Funkton der Zustandsgrößen () t und der Zet t,
Mehr18. Vorlesung Sommersemester
8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten
MehrDaten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.
Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
MehrProf. Dr. Margarita Esponda
Algorthmen und Programmeren II Sorteralgorthmen mperatv Tel II Prof. Dr. Margarta Esponda Free Unverstät Berln Tele und Herrsche "Dvde und Conquer" Vele Probleme lassen sch ncht mt trvalen Schlefen lösen
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
MehrKapitel 4: Datentyp Keller und Schlange
Kapitel 4: Datentyp Keller und Schlange Keller (Stack) Schlange (Queue) 4-1 Definition Keller und seine Operationen Ein Keller (engl. Stack; Stapel) ist eine endliche Menge von Elementen mit einer LIFO-Organisation
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrProgrammieren I. Kapitel 13. Listen
Programmieren I Kapitel 13. Listen Kapitel 13: Listen Ziel: eigene Datenstrukturen erstellen können und eine wichtige vordefinierte Datenstruktur( familie) kennenlernen zusammengehörige Elemente zusammenfassen
MehrStandardnormalverteilung / z-transformation
Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 6 (14.5.2014) Abstrakte Datentypen, Einfache Datenstrukturen Algorithmen und Komplexität Abstrakte Datentypen : Beispiele Dictionary: (auch:
MehrStacks, Queues & Bags. Datenstrukturen. Pushdown/Popup Stack. Ferd van Odenhoven. 19. September 2012
, Queues & Ferd van Odenhoven Fontys Hogeschool voor Techniek en Logistiek Venlo Software Engineering 19. September 2012 ODE/FHTBM, Queues & 19. September 2012 1/42 Datenstrukturen Elementare Datenstrukturen
MehrWas erwarten wir als Ergebnis von freien Verhandlungen in einer Gruppe mit Koalitionsmöglichkeiten?
Prof. Dr. Fredel Bolle 1 Prof. Dr. Fredel Bolle Vorlesung 1 Defnton: Kooperatves Spel En ooperatves Spel Γ st en Tupel (N,V), wobe der N = {1,...,m} mt m > 1 de Menge der Speler bezechnet und Was erwarten
MehrDie Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung
am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
Mehr1 BWL 4 Tutorium V vom 15.05.02
1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)
MehrBäume 1. Thomas Röfer
Bäume Thomas Röfer Preisverleihung Begriffsdefinitionen Eigenschaften Implementierung von Bäumen Durchlaufen von Bäumen Breitensuche/Tiefensuche Huffman-Kodierung Rückblick Sortieren Permutieren nach Dijkstra
MehrAlgorithmen und ihre Programmierung -Teil 3-
Veranstaltung Pr.-Nr.: Algorthmen und hre Programmerung -Tel - Veronka Waue WS / Veronka Waue: Grundstudum Wrtschaftsnformatk WS/ Übung Ersetzen Se n folgendem Bespel de For schlefe durch ene WhleWend-Schlefe
Mehr3. Vorlesung Sommersemester
3. Vorlesung Sommersemester 1 Bespele (Fortsetzung) 1. Der starre Körper: Formulerung der Zwangsbedngungen später. Anschaulch snd schon de Frehetsgrade: dre der Translaton (z. B. Schwerpuntsoordnaten)
MehrComputergestützte Gruppenarbeit
Computergestützte Gruppenarbet 8. Undo von Operatonen Dr. Jürgen Vogel European Meda Laboratory (EML) Hedelberg SS 2006 0 CSCW SS 2006 Jürgen Vogel Inhalt der Vorlesung 1. Enführung 2. Grundlagen von CSCW
MehrVorlesung 3 Differentialgeometrie in der Physik 13
Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >
MehrDLK Pro Multitalente für den mobilen Datendownload. Maßgeschneidert für unterschiedliche Anforderungen. www.dtco.vdo.de
DLK Pro Multtalente für den moblen Datendownload Maßgeschnedert für unterschedlche Anforderungen www.dtco.vdo.de Enfach brllant, brllant enfach DLK Pro heßt de Produktfamle von VDO, de neue Standards n
MehrRobotik. Robotik Wintersemester Kapitel 4 : Vorwärtsrechnung. Angew. Mathematik (B.Sc. + M.Sc.)
Wesbaden Unverst of Appled Scences LV Robotk 5 Credts Angew. Mathematk (B.Sc. + M.Sc.) Wntersemester 25 Prof. Dr. D. Rchter Department [Desgn>Computer Scence>Meda] Wesbaden Unverst of Appled Scences Hochschule
MehrDas Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.
ayessches Theorem Das ayessche Theorem st en Ergens aus der ahrschenlchetstheore und lefert enen Zusammenhang zwschen edngten ahrschenlcheten.. ayessches Theorem für Eregnsse Senen und zwe elege Eregnsse.
MehrAlgorithmen und Programmierung III
Musterlösung zum 3. Aufgabenblatt zur Vorlesung WS 2006 Algorithmen und Programmierung III von Christian Grümme Aufgabe 1 Potenzieren von Matrizen Testlauf der Klasse Matrix.java: 10 Punkte Erzeuge Matrix
MehrEinfache Liste: Ein Stapel (Stack) Ansatz. Schaubild. Vorlesung 1. Handout S. 2. Die einfachste Form einer Liste ist ein Stapel (stack).
Programmieren I Martin Schultheiß Hochschule Darmstadt Sommersemester 2011 1 / 64 2 / 64 Motivation Hauptteil dieser Vorlesung sind die so genannten. Zur Motivation (und als Vorbereitung der Datencontainer-Klassen
MehrVorlesung Datenstrukturen
Vorlesung Datenstrukturen Lineare Listen (2) Doppelt verkettete Listen Ringlisten, Stapel, Schlangen Dr. Frank Seifert Vorlesung Datenstrukturen - Sommersemester 2016 Folie 175 Doppelt verkettete Listen
MehrStatistik und Wahrscheinlichkeit
Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse
MehrB2.1 Abstrakte Datentypen
Algorithmen und Datenstrukturen 21. März 2018 B2. Abstrakte Datentypen Algorithmen und Datenstrukturen B2. Abstrakte Datentypen B2.1 Abstrakte Datentypen Marcel Lüthi and Gabriele Röger B2.2 Multimengen,
Mehr4.3 Keller und Warteschlangen
.3 Keller und Warteschlangen Wir werden zuerst die weitverbreitete Datenstruktur Keller (auch stack, pushdown) kennenlernen. Auch in Python selbst wird sie z.b. bei der Auswertung arithmetischer Ausdrücke
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrUnter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen
Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum
MehrAlgorithmen und Programmierung III
Musterlösung zum 4. Aufgabenblatt zur Vorlesung WS 2006 Algorithmen und Programmierung III von Christian Grümme Aufgabe 1 Amortisierte Analyse 10 Punkte Zu erst betrachte ich wie oft die letzte Ziffer
MehrUniversität Bremen. Hashing. Thomas Röfer. Hash-Funktionen Hashing mit Verkettung Offenes Hashing Doppeltes Hashing Dynamische Hash-Tabellen
Unverstät Bremen Hshng Thoms Röfer Hsh-Funktonen Hshng mt Verkettung Offenes Hshng Doppeltes Hshng Dynmsche Hsh-Tbellen Unverstät Bremen Rückblck Bäume 2 Suchbäume Blttsuchbäume Löschen us Suchbum 8 5
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrVersicherungstechnischer Umgang mit Risiko
Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über
MehrVorlesung Programmieren II
Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
MehrDas zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog
60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren
MehrÜbungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen
Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen
MehrIhr geschützter Bereich Organisation Einfachheit Leistung
Rev. 07/2012 Ihr geschützter Berech Organsaton Enfachhet Lestung www.vstos.t Ihr La geschützter tua area rservata Berech 1 MyVstos MyVstos st ene nformatsche Plattform für den Vstos Händler. Se ermöglcht
MehrÜbersicht der Vorlesung
Überscht der Vorlesung. Enführung. Bldverarbetung 3. Morphologsche Operatonen 4. Bldsegmenterung 5. Merkmale von Objekten 6. Klassfkaton 7. Dredmensonale Bldnterpretaton 8. Bewegungsanalyse aus Bldfolgen
MehrDer Erweiterungsfaktor k
Der Erweterungsfaktor k Wahl des rchtgen Faktors S. Meke, PTB-Berln, 8.40 Inhalt: 1. Was macht der k-faktor? 2. Welche Parameter legen den Wert des k-faktors fest? 3. Wo trtt der k-faktor auf? 4. Zusammenhang
MehrNachtrag: Vergleich der Implementierungen von Stack
Nachtrag: Vergleich der Implementierungen von Stack In der letzten Vorlesung hatten wir zwei Implementierung der Klasse Stack: eine Implementierung als Liste (Array): liststack eine Implementierung als
MehrAnmeldeseite zur persönlichen Servicewelt
https://servce.mcsm.de/ Anmeldesete zur persönlchen Servcewelt McSIM Kundenservce onlne Persönlche Daten Ändere enfach und schnell dene Adresse oder Bankdaten Tarfdetals Informere Dch über denen Tarf oder
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrInvariantentheorie. Vorlesung 3. Lineare Operationen
Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invarantentheore Vorlesung 3 Lneare Operatonen Ene Operaton ener Gruppe G auf ener (geometrschen) Menge M st das gleche we en Gruppenhomomorphsmus der Gruppe
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2016 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 1 Einführung 2 Grundlagen von Algorithmen
Mehr