6. Übungsaufgabe. Kapitel Termine. Aufgaben für Gruppe A und B
|
|
- Harry Braun
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 6 6. Übungsaufgabe Aufgaben für Gruppe A und B 6.1 Termine Die folgenden Aufgaben sollten spätestens von Gruppe/Team B am Montag, den 09.November 2015, im Poolraum den Betreuern vorgeführt werden. Gruppe/Team A führt spätestens am Montag den 02. November 2015, vor. Falls das Labor (wie im WS 2015/16) nicht in verschiedene Abgabegruppen unterteilt ist, gilt jeweils der frühere der beiden hier angegebenen Termine. Individuelle Absprachen sind für Teams im Ausnahmefall mit Herrn Helmke möglich. Ohne Absprache gelten aber die hier genannten Standardwerte, sodass manche Teams in der einen Woche und andere Teams in der folgenden Woche dran sind. Sie dürfen aber auch an den anderen Terminen erscheinen. Sie werden auch Unterstützung erhalten. Eine Abnahme ist auch möglich, aber die Teams, die an diesen Terminen dran sind, haben Vorrang. Die Abgabe der Teams erfolgt über das SVN. Feedback erfolgt auch über das SVN. Detailliertes Feedback und Klärung der Probleme sollte montags während der Labortermine erfolgen. Beachten Sie die Abschnitte Abnahmekriterium für Teams bei den Aufgaben. Für die Gruppen gilt weiterhin: Falls eine Teilnahme hier nicht möglich ist oder die Abgabe nicht im Rahmen der zur Verfügung stehenden Zeit möglich ist, bitte alle Aufgaben bis zum folgenden Samstag 18:29 Uhr über SVN abgeben. In diesem Fall ist es aber nicht möglich, noch Korrekturen vorzunehmen bzw. auf die Wünsche der Betreuer einzugehen (Bewertung erfolgt für das Eingecheckte). Die verspätete Abgabe an einem Samstag kann maximal drei Mal in Anspruch genommen werden. 49
2 6.3. LERNZIELE KAPITEL ÜBUNGSAUFGABE 6.3 Lernziele In Klammern jeweils Verweise auf Literaturstellen Programmiererfahrung sammeln, Gefühl für Laufzeiten bekommen. 6.4 Aufgaben Aufgaben ganz kurz beschrieben Zusatzübung 6.1 Implementierung des Greedy-Algorithmus, sodass auch Parties mit 30 Gästen noch sinnvoll in angemessener Laufzeit geplant werden können Zusatzübung 6.2 Zeigen Sie, dass Sie für eine von den Betreuern vorgegebene Datei mit 40 Gästen ein annehmbares Ergebnis erzielen Aufgabenbeschreibung im Detail In dieser Übung geht es um Sonderpunkte für die Klausur. Tauschen Sie bereits über das Versionsverwaltungssystem SVN die Software aus. Wir werden heute insbesondere Funktionalitäten implementieren, um am Semesterende die optimale Badnutzung ermitteln zu können. Übung 6.1: Je mehr Gäste zu betrachten sind, desto größer ist die Anzahl der möglichen Reihenfolgen, in der die Gäste das Bad betreten könnten. 3 Es ist somit unmöglich, durch eine Bewertung aller Sequenzen zu einer Löaung zu gelangen, denn wir wollen auch Parties mit 20 Personen und mehr feiern können und wir wollen diese aus verständlichen Gründen nicht schon 80 Jahre im Voraus planen müssen. Eine erste Heuristik, die wir versuchen wollen, ist der Greedy-Algorithmus. Wir beginnen mit einer zufälligen oder nach der Aufstehzeit vorsortierten ersten Sequenz. Nun tauschen wir zwei Elemente in der Sequenz, z.b. Gast an Position 4 mit dem Gast an der Position 11. Die Badeintrittszeiten von den beiden Gästen und insbesondere auch von den anderen Gästen ändern sich dadurch. Dadurch ändert sich natürlich auch die Sequenzbewertung. Wir führen nun aber diesen Tausch nicht wirklich durch. Stattdessen bestimmen wir alle Paare aus zwei Elementen und tauschen paarweise. Es ergeben sich somit N (N 1) 2 neue Sequenzen. Diese werden alle bewertet. Das Paar, das zur am besten bewerteten neuen Sequenz führt und besser als die Ausgangsseqeunz bewertet wird, wird für die neue Iteration ausgewählt. Der 3 Bei N Gästen gibt es N! (N Fakultät) Permutationen mit N! =N (N 1) (N 2) Stand vom 1. November
3 KAPITEL ÜBUNGSAUFGABE 6.4. AUFGABEN Algorithmus bricht ab, wenn kein Paar mehr zu einer Verbesserung führt oder mehr als z.b. 500 (Max) Iterationen durchgeführt wurden (siehe die Diplomarbeit [5] für weitere Details). a) Erweitern Sie die Klasse Guest und Ihre bisherigen Algorithmen, sodass die Instanzen der Klasse nun selbst die berechnete Badeintrittszeit abspeichern (Test nicht vergessen). evaluatesequence hat somit nun einen Parameter weniger, auf das int-array als Ausgangsparameter kann verzichtet werden. b) Implementieren Sie den Greedy-Algorithmus und testen Sie ihn für verschiedene Werte von Max. Beschreiben Sie jede Funktion/Methode kurz mit Worten. Für Funktionen bzw. Methoden mit mehr als 5 Anweisungen sollte jeweils ein eigener Test vorhanden sein. c) Führen Sie Laufzeitmessungen durch (siehe auch Aufgabe 6.2). Sie dürfen auch gerne den Basis-Greedy-Algorithmus erweitern. Vermutlich müssen Sie es sogar. Es wird erwartet, dass Sie auf einigermaßen komplexen Dateien nahe an das Optimum herankommen. Man könnte auch (vorübergehend) Verschlechterungen zulassen, z.b. wird eine Verschlechterung zugelassen, wenn keine Verbesserung mehr möglich ist, eine Verschlechterung um den Wert x ist maximal erlaubt (im Laufe der Suche wird x immer kleiner (siehe Simulated Annealing oder Sintflug-Algorithmus) oder es werden nicht alle Paare betrachtet, sondern es ist maximal eine Vertauschung um x Positionen erlaubt, oder... N N! Laufzeit bei 1 ns 1 1 1ns 2 2 2ns 3 6 6ns ns ns ns ns ,04 ms ,36 ms ,6 ms ms ms ,2 s ,2 s ,8 min ,81 h ,11 Tage ,1 Tage ,86 Jahre ,1 Jahre In der Spalte Laufzeit wurde die Dauer der Berechnung angegeben, wenn die Bewertung einer Seqeunz 1 Nanosekunden (10 9 Sekunden) dauern würde und der restliche Berechnungsaufwand vernachlässigt würde. 55 Stand vom 1. November 2015
4 6.4. AUFGABEN KAPITEL ÜBUNGSAUFGABE Falls Sie verschiedene Strategien haben, packen Sie am besten jede in eine eigene Klasse und behalten nicht nur eine übrig. d) Werden bei Ihnen auch mehr Destruktoren als Konstruktoren aufgerufen? Haben Sie eine Idee, woran das liegen könnte? Um dieses überhaupt feststellen zu können, müssen Sie LogTrace verwenden. Übung 6.2: In der Datei Gaeste40Linear.txt im Verzeichnis..\AlleGruppen\TestDaten finden Sie ein Beispiel für 40 Gäste. Ich glaube, dass ich hiervon die optimale Lösung kenne. Kopieren Sie diese Datei in Ihr Verzeichnis. Schreiben Sie einen Test mit Namen optimzie40guestslinear. 4 Lesen Sie im Test die Datei ein (Achtung: Die Datei enthält nun pro Gast vier Einträge, nämlich noch die hier noch mit Dummy-Werten belegte zu planende Badeintrittszeit. Sie müssen somit vermutlich Ihre Einlesefunktion erweitern. Sie dürfen dazu gerne Ihre bisherigen Testdateien um einen weiteren Eintrag erweitern). Nach dem Einlesen soll der Test Ihren besten Optimierungsalgorithmus (also vermutlich den hier entwickelte und verbesserte Greedy-Algorithmus) aufrufen und das Ergebnis in eine andere (nicht einzucheckende) Datei ausgeben. Die Ausgabedatei soll den gleichen Aufbau wie die Eingangsdatei haben. Allerdings soll hier schon der vierte Eintrag (die Badeintrittszeit) entsprechend belegt sein. Geben Sie außerdem nach den Gästen noch eine Zeile mit dem Wort Ende aus. Dann folgt eine Zeile mit dem Wort Bewertung: gefolgt von einem oder mehreren Leerzeichen und dann folgt die Summe der Wartezeiten. Als letztes folgt nochmals eine Zeile mit dem Wort Ende. Die Datei sieht somit in etwa wie folgt aus: Name Aufstehzeit Badzeit Badeintrittszeit Matthias1 08: :14 Anna 08: :16 Anna1 08: :18... Konrad 13: :27 Sönke2 10: :34 Sönke3 11: :26 Ende Bewertung: 1700 Ende Der Test ist erfolgreich, wenn die Laufzeit des Greedy-Algorithmus unter 60 Sekunden beträgt und die Summe der Wartezeiten kleiner als 1700 Minuten bleibt. 4 Sie dürfen ganz viele andere Tests auch für diese Datei implementieren, aber dieser Tests soll genau so heißen. Stand vom 1. November
5 6.5. TAKE/SELECT-HEURISTIK ALS ALTERNATIVE ZUM KAPITEL ÜBUNGSAUFGABE GREEDY-ALGORITHMUS Für die Bewertung ist die tatsächliche Wartezeit erst mal nicht ganz so entscheidend, aber hier haben Sie schon mal ein Feedback, wo die Reise noch hingeht. Am Semesterende werden Sie alle unter 1620 Minuten erreichen! Ich möchte den Test auf meinem Rechner ausführen können und sehen, wo Sie aktuell stehen. 6.5 Take/Select-Heuristik als Alternative zum Greedy-Algorithmus Eine weitere Heuristik, die Sie zur Verbesserung (im Anschluss) versuchen können, ist der Take/Select-Algorithmus. Wir führen zunächst eine Vorsortierung der N Gäste z.b. nach ihrer Aufstehzeit, durch. Nun wählen wir die ersten T (z.b. 6 Gäste) aus. Diese Teilsequenz permutieren wir vollständig und bewerten jede Sequenz. Wir ermitteln hieraus eine am besten bewertete Sequenz, woraus wir die ersten S (< T, z.b. 2) Gäste auswählen. Diese S Gäste werden in dieser Reihenfolge in die endgültige Ergebnissequenz an den Postionen 1, 2.. S eingefügt. Die verbleibenden T S Gäste und die nächsten S Gäste aus der vorsortierten Sequenz werden nun in die neue Teilsequenz übernommen. Diese wird wiederum vollständig permutiert und die S ersten Gäste aus der sich ergebenden am besten bewertenden Teilsequenz werden in die endgültige Ergebnissequenz an die Positionen S+1, S+2,... 2*S übernommen. Dieses Verfahren wird wiederholt, bis die noch nicht sortierten Gäste der vorsortierten Sequenz höchstens noch T Elemente enthält. Diese verbleibenden Gäste werden nun wieder in eine Teilsequenz übernommen, die vollständig permutiert wird. 5 Bild 6.1 (aus [5]) veranschaulicht nochmals den Take-Select-Algorithmus für die Planung von Flugzeugen mit T=5 und S=2. Zunächst werden aus der vorsortierten oder zufällig gewählten Eingangssequenz mit den 8 (roten) Elementen die ersten 5 ausgewählt. Diese werden nun z.b. durch vollständige Permutation optimiert. Aus dieser lokalen Optimierung werden die ersten beiden ausgewählt und (als grüne) in die endgültige Sequenz übernommen. Die verbleibenden drei Elemente werden um zwei weitere ergänzt. Diese Menge von 5 Elementen wird wiederum lokal optimiert. Zwei Elemente werden übernommen, sodass nun schon die Positionen 1 bis 4 feststehen. Die verbleibenden 4 Elemente werden nochmals optimiert. Diese wird komplett ab Position 5 übernommen. Beachten Sie bitte auch, den Hinweis, dass Ihre Vorgänger immer der Meinung waren, dass die Take/Select-Heuristik überhaupt nichts taugt. Das stimmt teilweise, wenn man nicht noch einen kleinen Trick anwendet, aber Sie sind die Informatiker. 5 Beachten Sie, wenn bereits Hans und Matthias im ersten Schritte (S=2) in die endgültige Sequenz übernommen wurden und Matthias dadurch für 5 Minuten ab 8:12 Uhr ins Bad darf, dass dann jeder der folgenden Gäste, die in den folgenden Iterationen optimiert werden, nicht vor 8:17 Uhr ins Bad darf, denn dann ist Matthias erst im Bad fertig. 57 Stand vom 1. November 2015
6 6.6. ABNAHMEKRITERIEN FÜR TEAMSKAPITEL ÜBUNGSAUFGABE Bild 6.1: Veranschaulichung des Take-Select-Algorithmus mit T=5 und S=2 6.6 Abnahmekriterien für Teams Guest-Klasse enthält als Member die berechnete (optimierte) Badeintrittszeit und die bisherigen Tests oder wenigstens ein neuer Tests nutzt diese Funktionalität auch, d.h. es wird z.b. die vollständige Permutation oder der Greedy aufgerufen und dann geprüft, ob die erwarteten Werte auch im neuen Member von Guest drin stehen. Der Greedy-Algorithmus besteht nicht nur aus einer Funktion/Methode. Die Funktionen sind in ihrem Kopf beschrieben. Die Funktionen (mit mehr als 5 Anweisungen) sind durch separate Tests getestet (eine Änderung der Funktion führt zum Scheitern des betreffenden Tests). Es gibt einen Test mit Namen testguestlinearfunc, der für die Eingangsgästeliste Hans 08:41 16 Joachim 08:20 1 Olga 08:45 17 Fritz 08:45 13 Lothar 09:00 4 Matthias 08:14 5 Anna 08:15 2 Sönke 08:30 52 Mike 08:15 4 die optimale Ausgangssequenz mit einer Wartezeit von 123 Sekunden liefert (124 sei auch noch erlaubt). In diesem Test wird die Anzahl der maximal erlaubten Iterationen auf einen hohen Wert gesetzt. Stand vom 1. November
7 KAPITEL ÜBUNGSAUFGABE 6.7. BEWERTUNG Achtung: Greedy ist nur eine Heuristik, die nicht unbedingt das Optimum liefert. Sie müssen also auch anderweitig testen, um sicherzustellen, dass Sie den Algorithmus richtig kodiert haben (Das machen Sie z.b. durch sinnvolle Unterteilung in Einzelfunktionen und deren Test). Es gibt einen Test mit Namen testguestgreedyfewiter, der für obige Eingangsgästeliste den Greedy-Algorithmus nur mit wenigen Iterationen (z.b. 5) ausführt und dadurch eine viel größere Gesamtwartezeit liefert. Es gibt einen Test testgreedyruntime, der die Laufzeit des Greedy-Algorithmus für obige Eingangsdatei oder eine andere Datei mit viel mehr Gästen misst und prüft, ob die Laufzeit kleiner als eine obere Schranke von Ihnen ist (wählen Sie die Schranke so, dass der Test erfolgreich ist, aber nicht zu groß, sodass Sie versehentliche Verschlechterungen bei der Effizienz (z.b. durch andere Teammitglieder) auch erkennen können). Es gibt eine Verbesserung des Greedy-Algorithmus (hier wird eine neue Funktion aufgerufen), die für (zumindest) eine ausgewählte Testdatei mit Gästen ein besseres Ergebnis liefert als der Basis-Greedy-Algorithmus selbst mit einer großen Anzahl von Iterationen. In dem Test testimprovedgreedy muss somit sowohl der normale als auch der verbesserte Greedy-Algorithmus aufgerufen werden. Achtung: Sie bekommen genau so viele Punkte für den (beschriebenen und implementierten) Test wie für die Verbesserung selbst, sodass sich Test-First lohnt, auch wenn Sie zum Schluss gar nicht die verbesserte Funktionalität haben. Weisen Sie aber explizit darauf hin, dass dieser Test vorhanden, aber nicht ausgeführt wird. Sie können zeigen, dass die Anzahl der Konstruktor- und Destruktor-Aufrufe nicht gleich ist (mehr Destruktor-Aufrufe) und haben eine grobe Idee, woran es liegen könnte (mündliche Erklärung eines Teammitglieds). 6.7 Bewertung Mögliche Punkte (10 P.=100%) Pkte nur für Klausur - Bemerkungen P. a) Badeintrittzeitspeichern 10 % b) Gredy-Algorithmus - sinnvolle Unterteilung in Funktionen 10% - Beschreibung jeder Funktion 10% - Test für jede Funktion größer 5 Anw. 10% - Greedy funktioniert 30% d) Antwort für zu viele Destruktor-Aufrufe 5% P. Laufzeitmessungen 15% Erweiterung des Greedy-Algorithmus mit Qualitäts- und Laufzeitmessungen 10% 59 Stand vom 1. November 2015
Prof. Dr. Heinrich Müller; Dr. Frank Weichert 7. September 2015
Technische Universität Dortmund Informatik VII (Graphische Systeme) Prof. Dr. Heinrich Müller; Dr. Frank Weichert 7. September 2015 Übungsaufgaben zum Vorkurs Informatik Wintersemester 2015/2016 Teil I
MehrKapitel 2: Analyse der Laufzeit von Algorithmen Gliederung
Gliederung 1. Motivation / Einordnung / Grundlagen 2. Analyse der Laufzeit von Algorithmen 3. Untere Schranken für algorithmische Probleme 4. Sortier- und Selektionsverfahren 5. Paradigmen des Algorithmenentwurfs
MehrPIWIN 1 Übung Blatt 5
Fakultät für Informatik Wintersemester 2008 André Gronemeier, LS 2, OH 14 Raum 307, andre.gronemeier@cs.uni-dortmund.de PIWIN 1 Übung Blatt 5 Ausgabedatum: 19.12.2008 Übungen: 12.1.2009-22.1.2009 Abgabe:
Mehr<? $ZeilenMax = 9; $SpaltenMax = 9; echo "<pre>";
Vorbemerkungen Diese Schrittanleitung bezieht sich auf die Aufgaben 4 bis 6 von "Übung 2 - Schleifenbeispiele (1)" Sie soll als Anregung dienen, wie Sie Ihren Code blockweise erstellen und testen können.
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6. November 2014 (O-Notation, Theta, Omega) Junior-Prof. Dr. Olaf Ronneberger
Mehr11. Rekursion, Komplexität von Algorithmen
11. Rekursion, Komplexität von Algorithmen Teil 2 Java-Beispiele: Power1.java Hanoi.java K. Bothe, Institut für Informatik, HU Berlin, GdP, WS 2015/16 Version: 23. Nov. 2015 Anwendung der Rekursion Rekursiv
MehrLeitprogramm Bubblesort
Leitprogramm Bubblesort Dr. Rainer Hauser Inhalt 1 Übersicht...1 2 Input-Block I: Der Sortieralgorithmus Bubblesort...2 3 Input-Block II: Die Effizienz von Bubblesort...6 4 Zusammenfassung...8 5 Lernkontrolle...9
MehrInformationen zur Installation und Nutzung von Subversion (SVN)
Informationen zur Installation und Nutzung von Subversion (SVN) Ansprechpartner im Rechenzentrum bei Problemen ist Herr Eike Armbrust (Rechenzentrum; eike.armbrust@ostfalia.de; 939-19410) Auf den Seiten
Mehr5. Lokale Suchverfahren. Beispiel TSP: k-change Nachbarschaft. Nachbarschaft. k-opt Algorithmus
5. Lokale Suchverfahren Lokale Suche 5. Lokale Suchverfahren Beispiel TSP: k-change Nachbarschaft Optimale Lösungen können oft nicht effizient ermittelt werden. Heuristiken liefern zwar zulässige Lösungen,
MehrKlausur Informatik B April Teil I: Informatik 3
Informatik 3 Seite 1 von 8 Klausur Informatik B April 1998 Teil I: Informatik 3 Informatik 3 Seite 2 von 8 Aufgabe 1: Fragekatalog (gesamt 5 ) Beantworten Sie folgende Fragen kurz in ein oder zwei Sätzen.
MehrHochschule Augsburg, Fakultät für Informatik Name:... Prüfung "Programmieren 1", IN1bac, WS 10/11 Seite 1 von 6
Prüfung "Programmieren 1", IN1bac, WS 10/11 Seite 1 von 6 Datum, Uhrzeit: 24. 01. 2011, 10.30 Uhr Semester: IN1 Note:... Prüfer: Prof. Meixner Dauer: 60 Min. Hilfsmittel: keine Punkte:... Diese Prüfung
MehrTeil III: Evaluationstest
Teil III: Evaluationstest Inhalt 1 Evaluationstest Teil 1: Fachwissen (inkl. Musterlösung)... 2 1.1 Rahmenbedingungen und Aufgaben... 2 1.2 Lösungsvorschläge zu den Aufgaben... 3 1.3 Verteilung der Punkte...
MehrProbeklausur: Programmierung WS04/05
Probeklausur: Programmierung WS04/05 Name: Hinweise zur Bearbeitung Nimm Dir für diese Klausur ausreichend Zeit, und sorge dafür, dass Du nicht gestört wirst. Die Klausur ist für 90 Minuten angesetzt,
MehrEinführung in die Programmierung (EPR) (Übung, Wintersemester 2014/2015)
Goethe-Center for Scientific Computing (G-CSC) Goethe-Universität Frankfurt am Main Einführung in die Programmierung (EPR) (Übung, Wintersemester 2014/2015) Dr. S. Reiter, M. Rupp, Dr. A. Vogel, Dr. K.
MehrVerbesserungsheuristiken
Verbesserungsheuristiken Bestandteile der Lokalen Suche Für schwierige Optimierungsaufgaben haben Verbesserungsheuristiken eine große praktische Bedeutung. Sie starten mit Ausgangslösungen, die von z.b.
MehrInformatik. Teil 1 Wintersemester 2011/2012. Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik
Informatik Teil 1 Wintersemester 2011/2012 Prof. Dr.-Ing. habil. Peter Sobe Fachkultät Informatik / Mathematik Dieser Foliensatz wurde z.t. von Herrn Prof. Grossmann übernommen Inhalt 1. Algorithmen -
Mehr1 Zahlentheorie. 1.1 Kongruenzen
3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern
MehrKAPITEL 2. Kombinatorik
KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,
MehrTutorium/Aufgaben zu PHP
Tutorium/Aufgaben zu PHP (Version 2.8 vom 7.11.2014) -- Version Poolraum mit laufenden Apache und MySQL Diensten -- Einleitung In den folgenden Lektionen sollen die vermittelten Konzepte zur Programmierung
MehrAbgabe: (vor der Vorlesung) Aufgabe 2.1 (P) O-Notation Beweisen Sie die folgenden Aussagen für positive Funktionen f und g:
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 2 Prof. Dr. Helmut Seidl, S. Pott,
MehrVom Leichtesten zum Schwersten Sortieralgorithmen
Aktivität 7 Vom Leichtesten zum Schwersten Sortieralgorithmen Zusammenfassung Häufig verwendet man Computer dazu Listen von Elementen in eine bestimmte Ordnung zu bringen. So kann man beispielsweise Namen
Mehr7.4 Analyse anhand der SQL-Trace. 7.3.5 Vorabanalyse mit dem Code Inspector
7.4 Analyse anhand der SQL-Trace 337 7.3.5 Vorabanalyse mit dem Code Inspector Der Code Inspector (SCI) wurde in den vorangegangenen Kapiteln immer wieder erwähnt. Er stellt ein paar nützliche Prüfungen
MehrFolge 13 - Quicksort
Für Abiturienten Folge 13 - Quicksort 13.1 Grundprinzip des Quicksort Schritt 1 Gegeben ist ein unsortierter Array von ganzen Zahlen. Ein Element des Arrays wird nun besonders behandelt, es wird nämlich
MehrProjekt Sudoku 1. Teil Case Select
Projekt Sudoku 1. Teil Case Select Wir wollen eine unterstützende Software erstellen, die nicht komplette Berechnung selbständig vornimmt, sondern nur dem Spieler Hilfen beim Ausfüllen gibt. So sollen
MehrWirtschaftsinformatik I
Wirtschaftsinformatik I - Tutorium 6/ 7 (April 2010) Zusatzinformationen - Lösungsvorschläge Wirtschaftsinformatik I Tutorium Jochen Daum (4.Semester BWL) Universität Mannheim Rechtshinweis: Diese Präsentation
MehrAnlegen einer Test-Datenbank
Stand: 03.05.2012 Einleitung: Eine Testdatenbank bietet sich an, um neue Programme und Funktionen zu testen oder um Mitarbeiter zu schulen, ohne die Produktiv-Datenbank zu beeinflussen. Glücklicherweise
MehrEs ist für die Lösung der Programmieraufgabe nicht nötig, den mathematischen Hintergrund zu verstehen, es kann aber beim Verständnis helfen.
Ziele sind das Arbeiten mit Funktionen und dem Aufzählungstyp (enum), sowie - einfache Verzweigung (if else) - Alternativen switch case - einfache Schleifen (while oder do while) Aufgabe 3: Diese Aufgabe
MehrINVENTUR ab Classic Line 2010
Computer & Software Dr. Pietzarka Tel. 0351-8890131 INVENTUR ab Classic Line 2010 Vorarbeiten - Alle verlassen die CL Datensicherung (z.b. Mandant kopieren), Sage CL 2010 Database Dienst auf dem Server
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 5 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrÜbung Datenstrukturen. Objektorientierung in C++
Übung Datenstrukturen Objektorientierung in C++ Aufgabe 1a - Farben Schreiben Sie eine Klasse COLOR zur Beschreibung von Farben. Eine Farbe werde hierbei additiv durch ihren Rot-, Grün- und Blauanteil
Mehr15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten
15. Algorithmus der Woche Das Rucksackproblem Die Qual der Wahl bei zu vielen Möglichkeiten Autoren Rene Beier, MPI Saarbrücken Berthold Vöcking, RWTH Aachen In zwei Monaten startet die nächste Rakete
MehrBabeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Paradigmen im Algorithmenentwurf
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Paradigmen im Algorithmenentwurf Problemlösen Problem definieren Algorithmus entwerfen
Mehr1 Karol stellt sich vor
Kapitel 1 Karol stell sich vor Seite 1 1 Karol stellt sich vor 1.1 Algorithmus Fritz hat zum Geburtstag einen CD-Player als Geschenk erhalten. Natürlich will er sofort das Geschenk ausprobieren und legt
MehrAlgorithmen und Berechnungskomplexität II Prof. Dr. Rolf Klein
Algorithmen und Berechnungskomplexität II Prof. Dr. Rolf Klein Veranstaltungsbewertung der Fachschaft Informatik 29. November 2016 Abgegebene Fragebögen: 61 1 Bewertung der Vorlesung 1.1 Bitte beurteile
MehrUnix WS15/16. Malte Heins (mhe) Helga Karafiat (kar)
Unix WS15/16 Malte Heins (mhe) Helga Karafiat (kar) Übersicht 5 Aufgaben Veröffentlichung jeweils auf der Webseite von Malte: (http://www.fh-wedel.de/~mhe/unix/) Ab Aufgabe 2 Bewertung mit automatisierten
Mehr3 Maps richtig ablegen und
PROJEKT MindManager 2002 Intensiv 3 Maps richtig ablegen und speichern Ihre Map ist nun fertig gestellt wenn Sie jetzt Ihre Arbeit mit MindManager beenden, ohne die aktuellen Eingaben und Formatierungen
MehrTD: T und D haben gleich viele Dezimalstellen und es ist D T. D passt dann mindestens 1 mal und höchstens 9 mal in T.
Divisionshilfen Divisionen mit langen Divisoren wie z.b. 0293576 : 37215 sind auf den ersten Blick ziemlich abschreckend. Zum Glück ist es aber auch in solchen Fällen nicht allzu schwierig, die Quotientenstellen
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrZürich, 25. August LMVZ digital CSV Import
Zürich, 25. August 2016 LMVZ digital CSV Import Inhaltsverzeichnis 1. Betroffene Benutzerrollen... 2 2. CSV-Datenimport... 2 2.1. Mandant wählen... 2 2.2. Vorlage herunterladen... 3 2.3. Daten in die Vorlage
MehrBerechnungen in Access Teil I
in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer
MehrEinführung in die Informatik I Kapitel II.3: Sortieren
1 Einführung in die Informatik I Kapitel II.3: Sortieren Prof. Dr.-Ing. Marcin Grzegorzek Juniorprofessur für Mustererkennung im Institut für Bildinformatik Department Elektrotechnik und Informatik Fakultät
Mehr9. Heuristische Suche
9. Heuristische Suche Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany rudolf.kruse@cs.uni-magdeburg.de S Heuristische Suche Idee: Wir nutzen eine (heuristische)
MehrAlgorithmen & Programmierung. Rekursive Funktionen (1)
Algorithmen & Programmierung Rekursive Funktionen (1) Berechnung der Fakultät Fakultät Die Fakultät N! einer nichtnegativen ganzen Zahl N kann folgendermaßen definiert werden: d.h. zur Berechnung werden
MehrDateien verwalten (Bilder, Dokumente, Medien)
17 Dateien verwalten (Bilder, Dokumente, Medien) Bilder und Dokumente können Sie im Funktionsmenü unter Dateiliste verwalten. Alle Bilder und Dokumente, die Sie in Ihren Baukasten hochgeladen haben, werden
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Paarweises
MehrTabellenkalkulation mit Microsoft Excel -Teil 3-
Veranstaltung Pr.-Nr.: 101023 Tabellenkalkulation mit Microsoft Excel -Teil 3- Veronika Waue WS 2007/08 Einführung in MS Excel: Wiederholung (Adressierung) Zusammenfassung: E6 - Verschiebung entlang Spalten
MehrTYPO3 Redaktoren-Handbuch
TYPO3 Redaktoren-Handbuch Kontakt & Support: rdv interactive ag Arbonerstrasse 6 9300 Wittenbach Tel. 071 / 577 55 55 www.rdvi.ch Seite 1 von 38 Login http://213.196.148.40/typo3 Username: siehe Liste
MehrPraxisprojekt zur Optimierung der Platzsuche
Praxisprojekt zur Optimierung der Platzsuche Automatisierte Berechnung von Ordnungszahlen Vanessa Sylvia Ulrich Hochschule Bonn-Rhein-Sieg Fachbereich Informatik Grantham-Allee 20 53757 Sankt Augustin
Mehr1. Probeklausur zu Programmierung 1 (WS 07/08)
Fachschaft Informatikstudiengänge Fachrichtung 6.2 Informatik Das Team der Bremser 1. Probeklausur zu Programmierung 1 (WS 07/08) http://fsinfo.cs.uni-sb.de Name Matrikelnummer Bitte öffnen Sie das Klausurheft
MehrProgrammierkurs Java
Programmierkurs Java Dr. Dietrich Boles Aufgaben zu UE16-Rekursion (Stand 09.12.2011) Aufgabe 1: Implementieren Sie in Java ein Programm, das solange einzelne Zeichen vom Terminal einliest, bis ein #-Zeichen
MehrÜbungsklausur Programmieren / Algorithmen und Datenstrukturen 2
Programmieren / Algorithmen und Datenstrukturen 2 Autor: Prof. Dr. Bernhard Humm, FB Informatik, Hochschule Darmstadt Datum: 20.1.2014 Übungsklausur Programmieren / Algorithmen und Datenstrukturen 2 1
MehrÜbungspaket 23 Mehrdimensionale Arrays
Übungspaket 23 Mehrdimensionale Arrays Übungsziele: Skript: Deklaration und Verwendung mehrdimensionaler Arrays Kapitel: 49 Semester: Wintersemester 2016/17 Betreuer: Kevin, Matthias, Thomas und Ralf Synopsis:
MehrProbeklausur: Programmierung WS04/05
Probeklausur: Programmierung WS04/05 Name: Hinweise zur Bearbeitung Nimm Dir für diese Klausur ausreichend Zeit, und sorge dafür, dass Du nicht gestört wirst. Die Klausur ist für 90 Minuten angesetzt,
MehrViel Spaÿ! Aufgabe 0.1. Laufzeit unter Verdoppelung (-)
Datenstrukturen (DS) Sommersemester 2015 Prof. Dr. Georg Schnitger Dipl-Inf. Bert Besser Hannes Seiwert, M.Sc. Institut für Informatik AG Theoretische Informatik Übung 0 Ausgabe: 14.04.2015 Abgabe: - Wenn
MehrNumerisches Programmieren
Technische Universität München WS /3 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Inf Dipl-Math Jürgen Bräckle Numerisches Programmieren Programmieraufgabe: Polnominterpolation,
MehrDie LogTrace-Bibliothek
Die LogTrace-Bibliothek Debugging-Hilfsmittel Weiteres Beispiel Motivation void Func() { FunktionLog var( Func );... Func2();... Ausgabe sollte hier sein: >Func > Func2 < Func2 < Func void Func2() { FunktionLog
MehrAlgorithmen und Datenstrukturen CS1017
Algorithmen und Datenstrukturen CS1017 Th. Letschert TH Mittelhessen Gießen University of Applied Sciences Organisatorisches und Einführung Lehrpersonal Dozent Dr. Letschert Tutoren Alissia Sauer Jonas
MehrAustauschen von Rollmaterial in einem Szenario
RWTools Tutorial Austauschen von Rollmaterial in einem Szenario Dieses Tutorial beschreibt wie man mittels RWTools einzelne Lokomotiven oder Waggons in einem Szenario gegen andere aus seinem Fundus austauschen
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
MehrHandbuch zum VivaWeb-Serienbrief-Programm
Handbuch zum VivaWeb-Serienbrief-Programm In 10 Schritten zum Serienbrief Das folgende Handbuch erläutert Ihnen die Nutzungsmöglichkeiten des ARV Serienbrief-Programms in all seinen Einzelheiten. Dieses
Mehr3. Musterlösung. Problem 1: Boruvka MST
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines
MehrEs wird aus einer Urne mit N Kugeln gezogen, die mit den Zahlen 1,..., N durchnummiert sind. (N n)! n! = N! (N n)!n! =
Übungsblatt Höhere Mathematik - Weihenstephan SoSe 00 Michael Höhle, Hannes Petermeier, Cornelia Eder Übung: 5.6.00 Die Aufgaben -3 werden in der Übung am Donnerstag (5.6. besprochen. Die Aufgaben -6 sollen
MehrDatenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Dynamische Programmierung Einführung Ablaufkoordination von Montagebändern Längste gemeinsame Teilsequenz Optimale
MehrÜbungen zu Einführung in die Informatik: Programmierung und Software-Entwicklung
Ludwig-Maximilians-Universität München WS 2013/14 Institut für Informatik Übungsblatt 10 Prof. Dr. R. Hennicker, A. Klarl Übungen zu Einführung in die Informatik: Programmierung und Software-Entwicklung
MehrRanking by Reordering Tobias Joppen
Ranking by Reordering Tobias Joppen 09.07.2014 Fachbereich Informatik Knowledge Engineering Prof. Johannes Fürnkranz 1 Überblick Einleitung Rank-differential Methode Idee Problemdefinition Beispiel Vereinfachung
MehrSchleifenanweisungen
Schleifenanweisungen Bisher: sequentielle Abarbeitung von Befehlen (von oben nach unten) Nun: Befehle mehrfach ausführen (= Programmschleife): for-anweisung - wenn feststeht, wie oft z.b.: eine Berechnung
MehrProgrammieren in C++
Programmieren in C++ (ESE) SS 2013 Vorlesung 1, Dienstag 24. April 2012 (Ein erstes Programm + das ganze Drumherum) Prof. Dr. Hannah Bast Lehrstuhl für Algorithmen und Datenstrukturen Institut für Informatik
MehrVorlesung. Vollständige Induktion 1
WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen
MehrÜbungspaket 19 Programmieren eigener Funktionen
Übungspaket 19 Programmieren eigener Funktionen Übungsziele: Skript: 1. Implementierung und Kodierung eigener Funktionen 2. Rekapitulation des Stack-Frames 3. Parameterübergabe mittels Stack und Stack-Frame
MehrSQL. SQL SELECT Anweisung SQL-SELECT SQL-SELECT
SQL SQL SELECT Anweisung Mit der SQL SELECT-Anweisung werden Datenwerte aus einer oder mehreren Tabellen einer Datenbank ausgewählt. Das Ergebnis der Auswahl ist erneut eine Tabelle, die sich dynamisch
MehrBESCHREIBUNG. Etikettendruck. CASABLANCAhotelsoftware gmbh - Öde Schönwies - Tirol - Austria
BESCHREIBUNG Etikettendruck Casablanca Hotelsoftware Etikettendruck (Letzte Aktualisierung: 13.12.2016) 1 Inhaltsverzeichnis 2 Gäste für Etiketten selektieren... 3 2.1 Selektion in Casablanca... 3 2.2
MehrEinführung in Heuristische Suche
Einführung in Heuristische Suche Beispiele 2 Überblick Intelligente Suche Rundenbasierte Spiele 3 Grundlagen Es muss ein Rätsel / Puzzle / Problem gelöst werden Wie kann ein Computer diese Aufgabe lösen?
MehrEinführung in die Java- Programmierung
Einführung in die Java- Programmierung Dr. Volker Riediger Tassilo Horn riediger horn@uni-koblenz.de WiSe 2012/13 1 Wichtig... Mittags Pommes... Praktikum A 230 C 207 (Madeleine) F 112 F 113 (Kevin) E
MehrAuswertung der Workload-Befragung mit MS ACCESS
Auswertung der Workload-Befragung mit MS ACCESS Inhaltsverzeichnis 1. Aufbereitung der Daten... 2 1.1. Herstellung der Textfiles... 2 1.2. Import der Textdateien... 3 1.3. Verbindungen erstellen... 8 2.
MehrReport & Aktualisierung
Report & Aktualisierung Kundenstatistik Lieferantenstatistik Artikelstatistik Auskunftsfenster Statistik Auftragsbuch, Rechnungsbuch Vertreter-, Kunden- u. Artikelumsätze Veränderung der Stammdaten Kunden
MehrGreenfoot: Verzweigungen
Greenfoot: Verzweigungen Nicolas Ruh und Dieter Koch Betrachten wir die act()-methode des Wombats aus dem Wombats-Szenario: Wie interpretieren Sie diesen Code? (einfach übersetzen) Falls der Wombat ein
MehrAgile Vorgehensmodelle in der Softwareentwicklung: Scrum
C A R L V O N O S S I E T Z K Y Agile Vorgehensmodelle in der Softwareentwicklung: Scrum Johannes Diemke Vortrag im Rahmen der Projektgruppe Oldenburger Robot Soccer Team im Wintersemester 2009/2010 Was
MehrJetzt wird auf die Zahl 2 geklickt und die Höhe der Zeile 2 eingestellt. Die Vorgehensweise ist wie
Hergestellt nur für den privaten Gebrauch von Harry Wenzel. w Kopieren Vervielfältigen nur mit Genehmigung des Verfassers! apple Mit Excel einen Kalender für das Jahr 2013 erstellen. Vorab erst noch ein
MehrName: Klausur Programmierkonzepte SS 2011
Prof. Dr.-Ing. Hartmut Helmke Ostfalia Hochschule für angewandte Wissenschaften Fakultät für Informatik Matrikelnummer: Punktzahl: Ergebnis: Freiversuch F1 F2 F3 Klausur im SS 2011: Programmierkonzepte
MehrÜberblick. TSP Vergleich der Lösungen. Das Travelling Salesman Problem. Nearest-Neighbor Heuristik für TSP
Kap..1 Heuristiken Kap.. Approximative Algorithmen und Gütegarantien Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 3. VO DAP SS 008 14. Juli 009 Überblick
MehrKompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website
KompetenzManager http://www.kompetenzmanager.ch/mah Manual für die Benutzung der Website Inhalt Inhalt... 1 1. Anmelden beim Kompetenzmanager... 3 2. Erstellen eines neuen Kompetenzprofils... 4 2.1. Wizard
MehrAndroid will doch nur spielen. Java Übung
Android will doch nur spielen Java Übung Vorbereitung: Erstellen Sie mit Eclipse zunächst ein neues Java Projekt JavaUebungen. Lassen Sie die restlichen Einstellungen unverändert. Erzeugen Sie das Projekt
MehrPHP 5.4 ISBN 978-3-86249-327-2. Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012. Grundlagen zur Erstellung dynamischer Webseiten GPHP54
PHP 5.4 Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012 Grundlagen zur Erstellung dynamischer Webseiten ISBN 978-3-86249-327-2 GPHP54 5 PHP 5.4 - Grundlagen zur Erstellung dynamischer Webseiten
MehrSchreiben Sie unbedingt auf, was Ihre Unbekannte bedeutet! Seien Sie dabei so präzis wie möglich, geben Sie die Einheiten für die Unbekannte an.
10 10.1 Einleitung zum Thema Feststellung Viele Lernenden haben Probleme beim Lösen von. Die Erfahrung zeigt, dass oft falsch angepackt werden. Wird das Problem unsystematisch angepackt, so erscheint der
MehrHilfe zur Internet-Weserdatenbank der Geschäftsstelle Weser
Hilfe zur Internet-Weserdatenbank der Geschäftsstelle Weser (Stand: 28.01.2009) Inhaltsverzeichnis 1. Anwendung Weserdatenbank Einleitung Startseite Auswahl einer Parametergruppe Auswahl der Region Auswahl
MehrInformatik B von Adrian Neumann
Musterlösung zum 7. Aufgabenblatt vom Montag, den 25. Mai 2009 zur Vorlesung Informatik B von Adrian Neumann 1. Java I Schreiben Sie ein Java Programm, das alle positiven ganzen Zahlen 0 < a < b < 1000
Mehr6 Ein- und Ausgabe. Bisher war unsere (Bildschirm-) Ausgabe leichtflüchtig (
6 Ein- und Ausgabe Bisher war unsere (Bildschirm-) Ausgabe leichtflüchtig ( Drucken war hoffnungslos übertrieben); heute lernen wir, wie wir die Ergebnisse unserer Programme abspeichern können, um sie
MehrÜbungspaket 29 Dynamische Speicherverwaltung: malloc() und free()
Übungspaket 29 Dynamische Speicherverwaltung malloc() und free() Übungsziele Skript In diesem Übungspaket üben wir das dynamische Alloziieren 1. und Freigeben von Speicherbereichen 2. von Zeichenketten
MehrAlgorithmen und Datenstrukturen Wintersemester 2004/ November T(n) = T(n a) + T(a) + n
Lehrstuhl für Praktische Informatik III Norman May B6, 29, Raum C0.05 68131 Mannheim Telefon: (0621) 181 2517 Email: norman@pi3.informatik.uni-mannheim.de Matthias Brantner B6, 29, Raum C0.05 68131 Mannheim
MehrIterative Lösung Linearer Gleichungssysteme
Iterative Lösung Linearer Gleichungssysteme E. Olszewski, H. Röck, M. Watzl 1. Jänner 00 E. Olszewski, H. Röck, M. Watzl: WAP (WS 01/0) 1 Vorwort C.F.Gauß in einem Brief vom 6.1.18 an Gerling:
MehrKurzanleitung. Toolbox. T_xls_Import
Kurzanleitung Toolbox T_xls_Import März 2007 UP GmbH Anleitung_T_xls_Import_1-0-5.doc Seite 1 Toolbox T_xls_Import Inhaltsverzeichnis Einleitung...2 Software Installation...2 Software Starten...3 Das Excel-Format...4
MehrJava Vererbung. Inhalt
Java Vererbung Inhalt 1 Zielsetzung... 2 1.1 Bewertung... 2 2 Grundlagen der Vererbung... 2 2.1 Super und Subklassen... 2 3 Überladen von Methoden... 4 3.1 Unterschiedliche Parameter... 4 3.2 Gleiche Parameter
MehrEinführung Praktische Informatik
Dipl.-Inf. (FH) Christopher Olbertz 9. Dezember 2013 Inhaltsverzeichnis 1 Programmierung 2 Übungen zu Programmierung I und II 3 Einführung in BlueJ Programmierung Dipl.-Inf. (FH) Christopher Olbertz 9.
MehrÜberschreiben von Methoden
Vergleich der DoME Realisierungen: Methode ausgeben Version 1 (ohne Vererbung): Anzeigen aller Informationen CD: A Swingin Affair (64 Min)* Frank Sinatra Titelanzahl: 16 Mein Lieblingsalbum von Sinatra
MehrDruckanpassung von Mahnungen
Druckanpassung von Mahnungen Nur wenn Sie die faktura in der Einzelversion nutzen, steht Ihnen für die Druckanpassung der Mahnungen auch der Formularassistent zur Verfügung. Dort können Sie die gewünschten
MehrM. Graefenhan 2000-12-07. Übungen zu C. Blatt 3. Musterlösung
M. Graefenhan 2000-12-07 Aufgabe Lösungsweg Übungen zu C Blatt 3 Musterlösung Schreiben Sie ein Programm, das die Häufigkeit von Zeichen in einem eingelesenen String feststellt. Benutzen Sie dazu ein zweidimensionales
Mehr1.2 Eigenschaften der ganzen Zahlen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen
MehrKapitel 3. Natürliche Zahlen und vollständige Induktion
Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine
Mehr6. Übungsblatt zu Algorithmen II im WS 2011/2012
Karlsruher Institut für Technologie Institut für Theoretische Informatik rof. Dr. eter Sanders Moritz Kobitzsch, Dennis Schieferdecker 6. Übungsblatt zu Algorithmen II im WS 011/01 Aufgabe 1 http://algo.iti.kit.edu/algorithmenii.php
MehrRepetitorium Informatik (Java)
Repetitorium Informatik (Java) Tag 6 Lehrstuhl für Informatik 2 (Programmiersysteme) Übersicht 1 Klassen und Objekte Objektorientierung Begrifflichkeiten Deklaration von Klassen Instanzmethoden/-variablen
Mehr