Ist Tetris NP - Vollständig?
|
|
- Emil Brauer
- vor 6 Jahren
- Abrufe
Transkript
1 Ist Tetris NP - Vollständig? Michael König 30. April 2015
2 Tetris Allgemeines Geschichte
3 Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow
4 Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow erste Version: Juni 1984
5 Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow erste Version: Juni 1984 Verkauf: über 100 Millionen Stück
6 Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow erste Version: Juni 1984 Verkauf: über 100 Millionen Stück puzzel artiges Computerspiel
7 Tetris Allgemeines Geschichte russischer Entwickler: Alexei Paschitnow erste Version: Juni 1984 Verkauf: über 100 Millionen Stück puzzel artiges Computerspiel Spiel kann nie gewonnen werden
8 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10
9 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos
10 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos (i) Typ t {SQ, LG, RG, LS, RS, I, T }
11 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos (i) Typ t {SQ, LG, RG, LS, RS, I, T } (ii) Orientierung o {0, 90, 180, 270 }
12 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos (i) Typ t {SQ, LG, RG, LS, RS, I, T } (ii) Orientierung o {0, 90, 180, 270 } (iii) Position < i, j > {1,..., m} {1,..., n}
13 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos (i) Typ t {SQ, LG, RG, LS, RS, I, T } (ii) Orientierung o {0, 90, 180, 270 } (iii) Position < i, j > {1,..., m} {1,..., n} (iv) Wert f {fixed, unfixed}
14 Tetris Allgemeines Das Spiel Spielfeld B: rechteckiges Gitter - Game Boy 1989: H18 B10 Spielsteine - Tetrominos (i) Typ t {SQ, LG, RG, LS, RS, I, T } (ii) Orientierung o {0, 90, 180, 270 } (iii) Position < i, j > {1,..., m} {1,..., n} (iv) Wert f {fixed, unfixed} Zustand eines Spielsteins: Z =< t, o, < i, j >, f >
15 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern:
16 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90
17 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90 (ii) eine Translation: Z Z =< t, o, < i, j ± 1 >, unfixed >
18 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90 (ii) eine Translation: Z Z =< t, o, < i, j ± 1 >, unfixed > (iii) hinunter fallen um eine Zeile: Z Z =< t, o, < i 1, j >, unfixed >
19 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90 (ii) eine Translation: Z Z =< t, o, < i, j ± 1 >, unfixed > (iii) hinunter fallen um eine Zeile: Z Z =< t, o, < i 1, j >, unfixed > (iv) fixiert werden: Z Z =< t, o, < i, j >, fixed >
20 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90 (ii) eine Translation: Z Z =< t, o, < i, j ± 1 >, unfixed > (iii) hinunter fallen um eine Zeile: Z Z =< t, o, < i 1, j >, unfixed > (iv) fixiert werden: Z Z =< t, o, < i, j >, fixed > Eine Sequenz von gültigen Zügen bildet eine Trajektorie.
21 Tetris Allgemeines Ein Spielzug unfixierte Spielsteine können ihren Zustand Z =< t, o, < i, j >, f > ändern: (i) eine Rotation: ±90 (ii) eine Translation: Z Z =< t, o, < i, j ± 1 >, unfixed > (iii) hinunter fallen um eine Zeile: Z Z =< t, o, < i 1, j >, unfixed > (iv) fixiert werden: Z Z =< t, o, < i, j >, fixed > Eine Sequenz von gültigen Zügen bildet eine Trajektorie. Ein Spiel G =< B, Z 1, Z 2,..., Z p > entsteht durch eine Abfolge von Trajektorien.
22 Tetris Allgemeines Das Tetris Problem (Offline Tetris)
23 Tetris Allgemeines Das Tetris Problem (Offline Tetris) Gegeben sei: ein Spielfeld und eine endliche Folge von (n-stück) Tetrominos.
24 Tetris Allgemeines Das Tetris Problem (Offline Tetris) Gegeben sei: ein Spielfeld und eine endliche Folge von (n-stück) Tetrominos. Frage: Kann das komplette Spielfeld gelöscht werden?
25 Tetris Allgemeines Das Tetris Problem (Offline Tetris) Gegeben sei: ein Spielfeld und eine endliche Folge von (n-stück) Tetrominos. Frage: Kann das komplette Spielfeld gelöscht werden? Behauptung: Dieses Problem ist NP-Vollständig!
26 NP-Vollständigkeit Komplexitätsklassen Klasse P: Alle Probleme, die von einer deterministischen Turing-Maschine in Polynomialzeit berechnet werden können.
27 NP-Vollständigkeit Komplexitätsklassen Klasse P: Alle Probleme, die von einer deterministischen Turing-Maschine in Polynomialzeit berechnet werden können. Klasse NP: Alle Probleme, die von einer nichtdeterministischen Turing-Maschine in Polynomialzeit berechnet werden können.
28 NP-Vollständigkeit Komplexitätsklassen Klasse P: Alle Probleme, die von einer deterministischen Turing-Maschine in Polynomialzeit berechnet werden können. Klasse NP: Alle Probleme, die von einer nichtdeterministischen Turing-Maschine in Polynomialzeit berechnet werden können. Wenn es für ein Problem sehr, sehr unwahrscheinlich ist, dass es in P liegt nennt man es NP-Vollständig.
29 NP-Vollständigkeit Beispiele für NP-Vollständige Probleme Knapsack-Problem kann man Gegenstände von einem Wert größer als w in einen Rucksack packen ohne das Gewicht g zu überschreiten?
30 NP-Vollständigkeit Beispiele für NP-Vollständige Probleme Knapsack-Problem kann man Gegenstände von einem Wert größer als w in einen Rucksack packen ohne das Gewicht g zu überschreiten? n-puzzle
31 NP-Vollständigkeit Beispiele für NP-Vollständige Probleme Knapsack-Problem kann man Gegenstände von einem Wert größer als w in einen Rucksack packen ohne das Gewicht g zu überschreiten? n-puzzle Traveling salesman-problem Gegeben: Städte, Kapital, Reisekosten. Kann man alle Städte bereisen ohne dabei das Kapital zu überschreiten?
32 NP-Vollständigkeit Beispiele für NP-Vollständige Probleme Knapsack-Problem kann man Gegenstände von einem Wert größer als w in einen Rucksack packen ohne das Gewicht g zu überschreiten? n-puzzle Traveling salesman-problem Gegeben: Städte, Kapital, Reisekosten. Kann man alle Städte bereisen ohne dabei das Kapital zu überschreiten? 3-Partitionen-Partition
33 NP-Vollständigkeit Was ist zu zeigen für NP-Vollständigkeit Ein Problem X nennt man NP-Vollständig, genau dann wenn: (i) das Problem in NP liegt und (ii) jedes Problem aus NP in Polynomialzeit auf X reduziert werden kann.
34 NP-Vollständigkeit Tetris NP Behauptung: Tetris NP Beweis: Gegeben sei ein Spiel G =< B 0, Z 1, Z 2,..., Z p >. Es lässt sich in polynomieller Zeit prüfen, ob das Spielfeld geleert werden kann. Es werden die auftretenden Bewegungen überprüft. Die Anzahl der möglichen Zustände ist endlich in polynomieller Zeit überprüfbar Tetris NP.
35 Das 3-Partitionen-Problem Das 3-Partitionen-Problem (Definition) Sei A := {a i a i N \ {0}} mit i {1,...3s} und T, s N \ {0}, so dass: T 4 < a i < T 2, 1 i 3s 3s i=1 a i = st Frage: Kann A in s disjunkte Teilmengen B 1,..., B s unterteilt werden, so dass: a i B j a i = T, 1 i 3s, j {1,..., s} gilt?
36 Das 3-Partitionen-Problem Das 3-Partitionen-Problem (Beispiel) 1. Gegeben sei die Menge A 1 = {6, 6, 6, 6, 7, 7, 7, 7, 8}, sowie die Zahl T 1 = 20
37 Das 3-Partitionen-Problem Das 3-Partitionen-Problem (Beispiel) 1. Gegeben sei die Menge A 1 = {6, 6, 6, 6, 7, 7, 7, 7, 8}, sowie die Zahl T 1 = Gegeben sei die Menge A 2 = {6, 6, 6, 6, 7, 7, 7, 7, 9}, sowie die Zahl T 2 = 20
38 Das 3-Partitionen-Problem Das 3-Partitionen-Problem (Besonderheit) B j = 3, j
39 Das 3-Partitionen-Problem Das 3-Partitionen-Problem (Besonderheit) B j = 3, j Sei A := {a i a i N \ {0}} mit i {1,...3s} und T, s N \ {0}, so dass: T 4 < a i < T 2, 1 i 3s 3s i=1 a i = st Frage: Kann A in s disjunkte Teilmengen B 1,..., B s unterteilt werden, so dass: a i B j a i = T, 1 i 3s, j {1,..., s} gilt?
40 Die Reduktion Reduktion eines Problems
41 Die Reduktion Reduktion eines Problems Seien Γ und Ω Alphabete, P Γ das 3-Partitionen-Problem und Q Ω das Tetris Problem. Es gilt P P Q genau dann, wenn es eine totale und in polynomieller Zeit berechenbare Abbildung f : Γ Ω gibt, so dass a P f (a) Q.
42 Die Reduktion Reduktion eines Problems Seien Γ und Ω Alphabete, P Γ das 3-Partitionen-Problem und Q Ω das Tetris Problem. Es gilt P P Q genau dann, wenn es eine totale und in polynomieller Zeit berechenbare Abbildung f : Γ Ω gibt, so dass a P f (a) Q. lösbares 3-Partitionen-Problem f Spielfeld kann geleert werden unlösbares 3-Partitionen-Problem f Spielfeld kann nicht geleert werden
43 Die Reduktion Das Spielfeld
44 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt
45 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG
46 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG Mitte (i-mal): SQ, LG, SQ
47 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG Mitte (i-mal): SQ, LG, SQ Ende: SQ, I
48 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG Mitte (i-mal): SQ, LG, SQ Ende: SQ, I Abschluss: RG
49 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG Mitte (i-mal): SQ, LG, SQ Ende: SQ, I Abschluss: RG lock (1-mal): T
50 Lösbare Instanz Lösbare Instanz Für jedes bucket (s-mal) wird folgende Sequenz benötigt Anfang: RG Mitte (i-mal): SQ, LG, SQ Ende: SQ, I Abschluss: RG lock (1-mal): T fill area ((5T+16)/4 - mal): I
51 Unlösbare Instanz Unlösbare Instanz
52 Unlösbare Instanz Unlösbare Instanz 1. Wenn ein Stein über der 5T+18 Zeile platziert wird, kann das Spielfeld nicht gelöscht werden.
53 Unlösbare Instanz Unlösbare Instanz 1. Wenn ein Stein über der 5T+18 Zeile platziert wird, kann das Spielfeld nicht gelöscht werden. 2. Um das Spielfeld zu löschen, darf kein anderer Stein als der dafür vorgesehene den Platz bei lock füllen.
54 Unlösbare Instanz Unlösbare Instanz 1. Wenn ein Stein über der 5T+18 Zeile platziert wird, kann das Spielfeld nicht gelöscht werden. 2. Um das Spielfeld zu löschen, darf kein anderer Stein als der dafür vorgesehene den Platz bei lock füllen. 3. Wenn das Platzieren eines Steins, außer dem für lock eine Lücke hinterlässt, die kein anderer Stein durch Translation oder Rotation erreichen kann, kann das Spielfeld nicht gelöscht werden.
55 Unlösbare Instanz Unlösbare Instanz 4. Wenn zwei Steine einer Sequenz von Mitte oder Ende in verschiedene buckets plaziert werden, kann das Spielfeld nicht gelöscht werden.
56 Unlösbare Instanz Unlösbare Instanz 4. Wenn zwei Steine einer Sequenz von Mitte oder Ende in verschiedene buckets plaziert werden, kann das Spielfeld nicht gelöscht werden. 5. Um das Spielfeld zu löschen, müssen die Steine einer Sequenz genauso in einem bucket untergebracht werden, wie es bereits beschrieben wurde.
57 Unlösbare Instanz Unlösbare Instanz 4. Wenn zwei Steine einer Sequenz von Mitte oder Ende in verschiedene buckets plaziert werden, kann das Spielfeld nicht gelöscht werden. 5. Um das Spielfeld zu löschen, müssen die Steine einer Sequenz genauso in einem bucket untergebracht werden, wie es bereits beschrieben wurde. 6. Um das Spielfeld zu löschen, muss ein bucket genau drei Werte a i enthalten und die Summe dieser Werte muss T betragen.
58 Schlussfolgerung Schlussfolgerung Somit lässt sich das 3-Partitionen Problem in Polynomialzeit auf das Tetris Problem zurückführen
59 Schlussfolgerung Schlussfolgerung Somit lässt sich das 3-Partitionen Problem in Polynomialzeit auf das Tetris Problem zurückführen Tetris ist NP-Vollständig
60 Quellen Quellen Algorithmen-Komplexitaet/Tetris.pdf SS14/FGI1/Lesestoff/Lesestoff5 KT.pdf ss2006/spiele/ausarbeitungen/tetris.pdf
61 Quellen Ist Tetris NP - Vollständig? Michael König 30. April 2015
abgeschlossen unter,,,, R,
Was bisher geschah Turing-Maschinen können Sprachen L X akzeptieren entscheiden Funktionen berechnen f : X X (partiell) Menge aller Turing-akzeptierbaren Sprachen genau die Menge aller Chomsky-Typ-0-Sprachen
MehrKomplexita tstheorie eine erste Ubersicht. KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung.
Komplexita tstheorie eine erste Ubersicht KTV bedeutet: Details erfahren Sie in der Komplexitätstheorie-Vorlesung. Probleme Problem = Menge von unendlich vielen konkreten Einzelfragen (Instanzen) F n,
MehrApproximationsalgorithmen
Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert
Mehr1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT)... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben...
Vorwort v I Approximative Algorithmen 1 1 Einführung 2 1.1 Zwei Beispiele (MIN JOB SCHEDULING und MAXCUT).... 2 1.2 Notationen und Definitionen... 7 1.3 Übungsaufgaben..... 18 2 DieKomplexitätsklassen
MehrNichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrSpiele in der Informatik
Spiele in der Informatik Martin Lange Lehr- und Forschungseinheit Theoretische Informatik Informatik-Schnupperstudium an der LMU, 29.3.2010 Übersicht Teil 1 Schokoladenessen für Spieltheoretiker ein kleines
MehrBerechenbarkeit und Komplexität
Berechenbarkeit und Komplexität Prof. Dr. Dietrich Kuske FG Theoretische Informatik, TU Ilmenau Wintersemester 2010/11 1 Organisatorisches zur Vorlesung Informationen, aktuelle Version der Folien und Übungsblätter
MehrReduzierbarkeit und das Post'sche Korrespondenzproblem
Reduzierbarkeit und das Post'sche Korrespondenzproblem Agenda Motivation Reduzierbarkeit Definition Bedeutung Post'sches Korrespondenzproblem (PKP) Modifiziertes Post'sches Korrespondenzproblem (MPKP)
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrAusgewählte unentscheidbare Sprachen
Proseminar Theoretische Informatik 15.12.15 Ausgewählte unentscheidbare Sprachen Marian Sigler, Jakob Köhler Wolfgang Mulzer 1 Entscheidbarkeit und Semi-Entscheidbarkeit Definition 1: L ist entscheidbar
MehrProbeklausur zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Probeklausur 25.01.2013 Probeklausur zur Vorlesung Berechenbarkeit und Komplexität Aufgabe 1 (1+2+6+3 Punkte)
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrOptimierungsprobleme. B. Langfeld, M. Ritter, B. Wilhelm Diskrete Optimierung: Fallstudien aus der Praxis
Optimierungsprobleme Instanz eines Optimierungsproblems zulässiger Bereich (meist implizit definiert) Zielfunktion Optimierungsrichtung opt {max, min} Optimierungsproblem Menge von Instanzen meist implizit
MehrKomplexitätstheorie Einführung und Überblick (Wiederholung)
Literatur C. Papadimitriou UC Berkeley Zum Komplexitätsbegriff Strukturelle Komplexität Average Case Analyse Effiziente Algorithmen Logische Komplexität Beschreibungssprachen: SQL Kolmogorov Komplexität
MehrDas Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!
Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck
MehrFormale Sprachen. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S
Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Das Alphabet Σ sei eine endliche
MehrRechnerische Komplexität
Proseminar Effiziente Algorithmen SS 2002 Rechnerische Komplexität Ulrike Krönert (34180) 0. Inhalt 1. Einführung 2. Algorithmen und Komplexität 2.1. Algorithmen 2.2. Laufzeitabschätzung 2.3. Polynomialzeit
MehrTuring-Maschinen. Definition 1. Eine deterministische Turing-Maschine (kurz DTM) ist ein 6- Dem endlichen Alphabet Σ von Eingabesymbolen.
Turing-Maschinen Nachdem wir endliche Automaten und (die mächtigeren) Kellerautomaten kennengelernt haben, werden wir nun ein letztes, noch mächtigeres Automatenmodell kennenlernen: Die Turing-Maschine
Mehr=!'04 #>4 )-:!- / )) $!# & $ % # %)6 ) + # 6 0 %% )90 % 1% $ 9116 69)" %" :"6. 1-0 &6 -% ' 0' )%1 0(,"'% #6 0 )90 1-11 ) 9 #,0. 1 #% 0 9 & %) ) '' #' ) 0 # %6 ;+'' 0 6%((&0 6?9 ;+'' 0 9)&6? #' 1 0 +& $
MehrRekursiv aufzählbare Sprachen
Kapitel 4 Rekursiv aufzählbare Sprachen 4.1 Grammatiken und die Chomsky-Hierarchie Durch Zulassung komplexer Ableitungsregeln können mit Grammatiken größere Klassen als die kontextfreien Sprachen beschrieben
MehrIT-Sicherheit Kapitel 3 Public Key Kryptographie
IT-Sicherheit Kapitel 3 Public Key Kryptographie Dr. Christian Rathgeb Sommersemester 2013 1 Einführung In der symmetrischen Kryptographie verwenden Sender und Empfänger den selben Schlüssel die Teilnehmer
MehrSoftwareentwicklung Schrittweise Verfeinerung, Programmieren üben: Tic-Tac-Toe in Raten
Mag. iur. Dr. techn. Michael Sonntag Softwareentwicklung Schrittweise Verfeinerung, Programmieren üben: Tic-Tac-Toe in Raten E-Mail: sonntag@fim.uni-linz.ac.at http://www.fim.uni-linz.ac.at/staff/sonntag.htm
MehrFormale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5.
Formale Sprachen Spezialgebiet für Komplexe Systeme Yimin Ge 5ahdvn Inhaltsverzeichnis 1 Grundlagen 1 2 Formale Grammatien 4 Endliche Automaten 5 4 Reguläre Sprachen 9 5 Anwendungen bei Abzählproblemen
MehrLohntabelle gültig ab 1. Januar 2016
Klasse 1 A 34'953 2'912.75 16.00 37'865.75 B 36'543 3'045.25 16.73 39'588.25 C 38'130 3'177.50 17.46 41'307.50 1 39'720 3'310.00 18.19 43'030.00 2 41'307 3'442.25 18.91 44'749.25 3 42'897 3'574.75 19.64
MehrLohntabelle gültig ab 1. Januar 2015
Klasse 1 A 34'953 2'912.75 16.00 37'865.75 23666 2'390.40 199.20 B 36'543 3'045.25 16.73 39'588.25 24743 2'499.00 208.25 C 38'130 3'177.50 17.46 41'307.50 25817 2'607.60 217.30 1 39'720 3'310.00 18.19
Mehr1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln,
Theorie der Informatik 8. März 25 8. Reguläre Sprachen I Theorie der Informatik 8. Reguläre Sprachen I 8. Reguläre Grammatiken Malte Helmert Gabriele Röger 8.2 DFAs Universität Basel 8. März 25 8.3 NFAs
MehrKapitel ML:IV (Fortsetzung)
Kapitel ML:IV (Fortsetzung) IV. Statistische Lernverfahren Wahrscheinlichkeitsrechnung Bayes-Klassifikation Maximum-a-Posteriori-Hypothesen ML:IV-18 Statistical Learning c STEIN 2005-2011 Satz 3 (Bayes)
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrEinführung in Berechenbarkeit, Komplexität und formale Sprachen
Johannes Blömer Skript zur Vorlesung Einführung in Berechenbarkeit, Komplexität und formale Sprachen Universität Paderborn Wintersemester 2011/12 Inhaltsverzeichnis 1 Einleitung 2 1.1 Ziele der Vorlesung...................................
Mehr11.1 Kontextsensitive und allgemeine Grammatiken
Theorie der Informatik 7. April 2014 11. Kontextsensitive und Typ-0-Sprachen Theorie der Informatik 11. Kontextsensitive und Typ-0-Sprachen 11.1 Kontextsensitive und allgemeine Grammatiken Malte Helmert
Mehr8. Turingmaschinen und kontextsensitive Sprachen
8. Turingmaschinen und kontextsensitive Sprachen Turingmaschinen (TM) von A. Turing vorgeschlagen, um den Begriff der Berechenbarkeit formal zu präzisieren. Intuitiv: statt des Stacks bei Kellerautomaten
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrDas Lastverteilungsproblem
Das Lastverteilungsproblem Approximationsalgorithmen Referent Franz Brauße Veranstaltung Proseminar Theoretische Informatik Universität Trier, FB IV Dozent Prof. Dr. Henning Fernau 23.02.2012 Übersicht
MehrFormale Methoden 1. Gerhard Jäger 16. Januar Uni Bielefeld, WS 2007/2008 1/19
1/19 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 16. Januar 2008 2/19 Reguläre Ausdrücke vierte Art (neben Typ-3-Grammatiken, deterministischen und nicht-deterministischen
MehrPrüfungsprotokoll Kurs 1825 Logik für Informatiker. Studiengang: MSc. Informatik Prüfer: Prof. Dr. Heinemann Termin: Januar 2015
Prüfungsprotokoll Kurs 1825 Logik für Informatiker Studiengang: MSc. Informatik Prüfer: Prof. Dr. Heinemann Termin: Januar 2015 1. Aussagenlogik Alphabet und AS gegeben, wie sind die Aussagenlogischen
MehrSpeicherplatz-Komplexität 1 / 30
Speicherplatz-Komplexität 1 / 30 Speicherplatz-Komplexität Warum sollte uns die Ressource Speicherplatz interessieren? Um die Komplexität der Berechnung von Gewinnstrategien für viele nicht-triviale 2-Personen
MehrTetris soll als Computerspiel mittels Java realisiert werden, wobei ein objektorientierter Ansatz gewählt
Informatik Tetris Seite 1 Tetris Tetris ist ein Computerspiel, bei dem man herunterfallende, immer aus vier Teilen bestehende Bausteine so drehen muss, dass sie möglichst ohne Lücken eine Mauer bilden.
MehrSteinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering
Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrLängen-beschränkte Schnitte und Flüsse
Seminarausarbeitung über G. Baiers et al. Abhandlung über: Längen-beschränkte Schnitte und Flüsse (oder: Length-bounded Cuts and Flows) Frank Obermüller 06. Dezember 2009 1 Einleitung Sei G = (V, E) ein
MehrDie Klassen P und NP. Dr. Eva Richter. 29. Juni 2012
Die Klassen P und NP Dr. Eva Richter 29. Juni 2012 1 / 35 Die Klasse P P = DTIME(Pol) Klasse der Probleme, die sich von DTM in polynomieller Zeit lösen lassen nach Dogma die praktikablen Probleme beim
MehrKapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung
Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken
MehrGrundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I. Ulrich Furbach. Sommersemester 2014
Vorlesung Grundlagen der Theoretischen Informatik / Einführung in die Theoretische Informatik I Ulrich Furbach Institut für Informatik Sommersemester 2014 Furbach Grundlagen d. Theoretischen Informatik:
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrMathematische Grundlagen der Computerlinguistik
Mengen und Mengenoperationen (Teil II) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 3 Definition Mengenfamilie Eine Menge, deren sämtliche Elemente selbst wiederum
MehrLösungen zur 3. Projektaufgabe TheGI1
Marco Kunze (makunze@cs.tu-berlin.de) WS 2001/2002 Sebastian Nowozin (nowozin@cs.tu-berlin.de) 21. 1. 2002 Lösungen zur 3. Projektaufgabe TheGI1 Definition: Turing-Aufzähler Ein Turing-Aufzähler einer
MehrThema. Aufgabenstellung. Fachpraktikum Visualisierung und interaktive Systeme WS 2011. Aufgabe 5: 3D-Tetris. 3D - Tetris.
Fachpraktikum Visualisierung und interaktive Systeme WS 2011 Aufgabe 5: 3D-Tetris Thema 3D - Tetris. Aufgabenstellung Die Aufgabe ist, ein Drei-Dimensionales Tetrisspiel zu konstruieren. Es werden zufällig
MehrTheoretische Informatik Testvorbereitung Moritz Resl
Theoretische Informatik Testvorbereitung Moritz Resl Bestandteile einer Programmiersprache: a) Syntax (Form): durch kontextfreie Grammatik beschrieben b) Semantik (Bedeutung) 1.) Kontextfreie Sprachen
MehrDatenstrukturen und Algorithmen SS07
Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen
MehrTropische Kurven zählen. Enumerative Geometrie. Alg. Geometrie. Beispiel Strategie. Geometrie. Kurven Multiplizität Correspondence Theorem Ergebnisse
Alg. Ebene e Hannah Markwig Technische Universität Kaiserslautern 6. Juli 2006 Alg. Inhalt 1 () 2 3 Der Algorithmus zum Zählen ebener 4 Der Algorithmus Alg. Algebraische Geometrische Objekte sind Nullstellengebilde
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 15 Ziele vgl. AFS: Berechnungsmodelle für Typ-0- und Typ-1-Sprachen (Nicht-)Abschlußeigenschaften
MehrMusterlösung zur Nachklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14
Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Nachklausur Theoretische Grundlagen der Informatik Wintersemester 203/4 Vorname Nachname Matrikelnummer Hinweise Für die
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
Mehr2.4 Kontextsensitive und Typ 0-Sprachen
Definition 2.43 Eine Typ 1 Grammatik ist in Kuroda Normalform, falls alle Regeln eine der folgenden 4 Formen haben: Dabei: A, B, C, D V und a Σ. Satz 2.44 A a, A B, A BC, AB CD. Für jede Typ 1 Grammatik
MehrReferat rekursive Mengen vs. rekursiv-aufzählbare Mengen
Kapitel 1: rekursive Mengen 1 rekursive Mengen 1.1 Definition 1.1.1 informal Eine Menge heißt rekursiv oder entscheidbar, wenn ihre charakteristische Funktion berechenbar ist. 1.1.2 formal Eine Menge A
MehrSatz 90 Sei A = (Q, Σ, δ, q 0, F ) ein DFA. Der Zeitaufwand des obigen Minimalisierungsalgorithmus ist O( Q 2 Σ ).
Satz 90 Sei A = (Q, Σ, δ, q 0, F ) ein DFA. Der Zeitaufwand des obigen Minimalisierungsalgorithmus ist O( Q 2 Σ ). Beweis: Für jedes a Σ muss jede Position in der Tabelle nur konstant oft besucht werden.
MehrGrundlagen der Künstlichen Intelligenz. 9.1 Einführung und Beispiele. 9.2 Constraint-Netze. 9.3 Belegungen und Konsistenz. 9.
Grundlagen der Künstlichen Intelligenz 8. April 201 9. Constraint-Satisfaction-Probleme: Einführung Grundlagen der Künstlichen Intelligenz 9. Constraint-Satisfaction-Probleme: Einführung Malte Helmert
MehrLogSpace. Isomorphie von Bäumen (gerichtet und ungerichtet) Entscheiden, ob ein Graph zusammenhängend ist (gerichtet und ungerichtet)
LogSpace Weitere Probleme in LogSpace z.b.: Isomorphie von Bäumen (gerichtet und ungerichtet) Entscheiden, ob ein Graph zusammenhängend ist (gerichtet und ungerichtet) Pattern matching: gegeben Wort w
MehrVorlesung Berechenbarkeit und Komplexität. Motivation, Übersicht und Organisatorisches
Berechenbarkeit und Komplexität: Motivation, Übersicht und Organisatorisches Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Berechenbarkeit die absoluten Grenzen
MehrÜbung zur Vorlesung Berechenbarkeit und Komplexität
RWTH Aachen Lehrgebiet Theoretische Informatik Reidl Ries Rossmanith Sanchez Tönnis WS 2012/13 Übungsblatt 9 10.12.2012 Übung zur Vorlesung Berechenbarkeit und Komplexität Aufgabe T20 Beweisen Sie die
Mehr23.1 Constraint-Netze
Grundlagen der Künstlichen Intelligenz 1. April 2015 2. Constraint-Satisfaction-Probleme: Constraint-Netze Grundlagen der Künstlichen Intelligenz 2. Constraint-Satisfaction-Probleme: Constraint-Netze Malte
MehrTeil V. Weiterführende Themen, Teil 1: Kontextsensitive Sprachen und die Chomsky-Hierarchie
Teil V Weiterführende Themen, Teil 1: Kontextsensitive Sprachen und die Chomsky-Hierarchie Zwei Sorten von Grammatiken Kontextsensitive Grammatik (CSG) (Σ, V, P, S), Regeln der Form αaβ αγβ α, β (Σ V ),
MehrSprachen und Automaten. Tino Hempel
Sprachen und Automaten 11 Tino Hempel Bisherige Automaten Automat mit Ausgabe/Mealy-Automat Akzeptor, Sprache eines Akzeptors Grenze: L = {a n b n } Kellerautomat erkennt L = {a n b n } Grenze:? T. Hempel
MehrGrundlagen der Informatik II. Teil I: Formale Modelle der Informatik
Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende
MehrMathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
Mehr2.2 der Größenbegriff
(mit Äquivalenzrelationen) Maximilian Geier Institut für Mathematik, Landau Universität Koblenz-Landau Zu Größen gelangt man ausgehend von realen Gegenständen durch einen Abstraktionsvorgang. Man geht
MehrTourist Town. wenn Computer ins Schwitzen geraten. Prof. Dr. Isolde Adler IT-Girls Night 28.11.2014 29.11.2014
Tourist Town wenn Computer ins Schwitzen geraten Prof. Dr. Isolde Adler IT-Girls Night 28.11.2014 29.11.2014 Inhalt 1. Was kommt jetzt? 2. Tourist Town Dominierende Mengen 3. Ausblick Isolde Adler Tourist
MehrFormale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung
Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung Frank Heitmann heitmann@informatik.uni-hamburg.de 13. Mai 2014 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/17 Überblick Wir hatten
MehrZusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie
MehrStackelberg Scheduling Strategien
Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrEinführung in die Weihnachtliche Informatik
Frohe Weihnachten! Einführung in die Weihnachtliche Informatik A. Clausing, Einführung in die Weihnachtliche Informatik, 23. 12. 2004 EWI 1 Kathrinchens Wunschzettel Weihnachtswünsche Vor langer, langer
MehrKomplexität und Komplexitätsklassen
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.
Mehr2. Schriftliche Leistungskontrolle (EK)
TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann - 10. Februar 2009 2. Schriftliche Leistungskontrolle (EK) Punktzahl In dieser schriftlichen Leistungskontrolle sind 100 Punkte
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
MehrEndliche Sprachen. Folgerung: Alle endlichen Sprachen sind regulär. Beweis: Sei L={w 1,,w n } Σ*. Dann ist w 1 +L+w n ein regulärer Ausdruck für
Endliche Sprachen Folgerung: Alle endlichen Sprachen sind regulär. Beweis: Sei L={w 1,,w n } Σ*. Dann ist w 1 +L+w n ein regulärer Ausdruck für L. 447 Zusammenfassung Beschreibungsformen für reguläre Sprachen:
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
MehrSoftware Strategien zur weiteren Optimierung der Kommissionierung
Software Strategien zur weiteren Optimierung der Kommissionierung als Ergänzung zu der angeboten Hardware dem elektronischen Kommissionierboard und der Multiple-Order-Picking Abwicklung Genial einfach..
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2012 17. DIE KONTEXTFREIEN SPRACHEN II: ABSCHLUSSEIGENSCHAFTEN, MASCHINENCHARAKTERISIERUNG, KOMPLEXITÄT Theoretische
MehrAlgorithmen mit konstantem Platzbedarf: Die Klasse REG
Algorithmen mit konstantem Platzbedarf: Die Klasse REG Sommerakademie Rot an der Rot AG 1 Wieviel Platz brauchen Algorithmen wirklich? Daniel Alm Institut für Numerische Simulation Universität Bonn August
MehrPartitionen II. 1 Geometrische Repräsentation von Partitionen
Partitionen II Vortrag zum Seminar zur Höheren Funktionentheorie, 09.07.2008 Oliver Delpy In diesem Vortrag geht es um Partitionen, also um Aufteilung von natürlichen Zahlen in Summen. Er setzt den Vortrag
MehrEin Satz der deutschen Sprache besitzt ein Subjekt, ein Prädikat und ein Objekt (SPO).
1 Grammatiken Autor: Tilman Blumenbach Letzte Änderung: 28. Juni 2012 18:15 Ziel von Grammatiken Wollen die Struktur von Sprachen modellieren und charakterisieren. Beispiel Ein Satz der deutschen Sprache
MehrGliederung. Algorithmen und Datenstrukturen II. Problem: Längste gemeinsame Teilsequenz. Problem: Längste gemeinsame Teilsequenz
Gliederung Algorithmen und Datenstrukturen II Algorithmen zur Textverarbeitung II D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg
MehrRandomisierte Algorithmen
Randomisierte Algorithmen Kapitel 2 Markus Lohrey Universität Leipzig http://www.informatik.uni-leipzig.de/~lohrey/rand WS 2005/2006 Markus Lohrey (Universität Leipzig) Randomisierte Algorithmen WS 2005/2006
MehrDer Kurs bestand aus zwei Teilen. Mit welchem Teil wollen Sie anfangen? Ich habe mich für Teil A entschieden.
Mündliche Prüfung in Grundlagen Theoretischer Informatik A + B Prüfer: Prof. Heinemann Dauer: 30 Minuten, 12.09.13 Version: Winter 12/13 und Sommer 13 Der Kurs bestand aus zwei Teilen. Mit welchem Teil
MehrScheduling-Theorie. Mathematische Modelle und Methoden für deterministische Scheduling-Probleme. LiSA - A Library of Scheduling Algorithms
Scheduling-Theorie Mathematische Modelle und Methoden für deterministische Scheduling-Probleme LiSA - A Library of Scheduling Algorithms Otto-von-Guericke Universität Magdeburg/FMA/Heidemarie Bräsel &
MehrBeispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y
Kombinatorik Nach [1], Chap.4 (Counting Methods and the Pigeonhole Principle). Multiplikationsprinzip Beispiel 1 Wieviele Wörter der Länge 4 kann man aus den Buchstaben A,B,C,D,E bilden,... 1. wenn Wiederholungen
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 3. Endliche Automaten (V) 21.05.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Determinierte endliche Automaten (DEAs) Indeterminierte
MehrWiederholung zu Flüssen
Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:
Mehr6 Conways Chequerboard-Armee
6 Conways Chequerboard-Armee Spiele gehören zu den interessantesten Schöpfungen des menschlichen Geistes und die Analyse ihrer Struktur ist voller Abenteuer und Überraschungen. James R. Newman Es ist sehr
MehrDie Entwicklung des Erde-Mond-Systems
THEORETISCHE AUFGABE Nr. 1 Die Entwicklung des Erde-Mond-Systems Wissenschaftler können den Abstand Erde-Mond mit großer Genauigkeit bestimmen. Sie erreichen dies, indem sie einen Laserstrahl an einem
MehrZur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt:
Informatik 13: Gierhardt Theoretische Informatik III Berechenbarkeit Nicht-berechenbare Funktionen Nach der Church-Turing-These kann alles, was berechenbar ist, mit einer Turing-Maschine oder einer While-Maschine
MehrFormale Sprachen und Automaten
Formale Sprachen und Automaten Kapitel 1: Grundlagen Vorlesung an der DHBW Karlsruhe Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2012 Ziel Einführung der wichtigsten
MehrGrundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen -
Grundlagen der Informatik 2 (GdI2) - Algorithmen und Datenstrukturen - 2) Algorithmenanalyse Prof. Dr. Anja Schanzenberger FH Augsburg, Fakultät für Informatik Kontakt: anja.schanzenberger@hs-augsburg.de
MehrGrundlagen der Mengenlehre
mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener
Mehr5. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 8 Saison 1965/1966 Aufgaben und Lösungen
5. Mathematik Olympiade Saison 1965/1966 Aufgaben und Lösungen 1 OJM 5. Mathematik-Olympiade Aufgaben Hinweis: Der Lösungsweg mit Begründungen und Nebenrechnungen soll deutlich erkennbar in logisch und
MehrLösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.
Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,
Mehr