Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Master Informatik
|
|
- Marie Schmitz
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK 0. April 06 VORLESUNG Einführung
2 Motivation Graphen wichtige abstrakte Datenstrukturen Mächtiges Werkzeug zur Modellierung komplexer Probleme Allgegenwärtig in täglichen Anwendungen Straßennetzwerke in Navigationsgeräten Soziale Netzwerke Kommunikationsnetze UML-Diagramme Bildverarbeitung Beispielalgorithmen und -anwendungen APSP: Vorverarbeitung bei der Routenplanung Partitionierung und Lastbalancierung: Effizientes paralleles Rechnen Netzwerkanalyse: Hauptakteure in einem (sozialen) Netzwerk Visualisierung von Graphen: Technische Zeichnungen, Geschäftsdatenanalyse
3 Prof. Dr. Henning Meyerhenke Fakultät für Informatik Netzwerkanalyse Empirische Untersuchung von Daten, die als Netzwerk (Graph) modelliert werden können Modelle Struktur Maßzahlen Algorithmen Anwendungsgebiete (Auswahl): [ eec89088ee08b80855b56.jpg] [ research_projects/images/fig-.gif] Technik: Internet und Telefon, Strom, Transport und Logistik,... Information: WWW, Zitierungen,... Biologie: Protein-Protein-Interaktionen,... Soziales: Soziale Online-Netzwerke, Politik,... 5 H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse Skalierbare Verarbeitung Große Datenmengen è Skalierbare Verarbeitung Herausforderung: Implementierung von Graphenalgorithmen mit guter (paralleler) Performanz Analyse mit Methoden der Matrixalgebra häufig sehr nützlich Implementierung mit Matrixalgebra oft deutlich kürzer Produktivität des Programmierers vs Effizienz des Programms 6
4 Lernziele Verständnis für Zusammenhang zwischen Graphen und Matrizen Auftretende Fragestellungen aus der Graphentheorie auf ihren algorithmischen Kern reduzieren Analyse und/oder Lösung mit Techniken der linearen Algebra Vorgestellte Methoden selbstständig auf verwandte Fragestellungen anwenden Inhalte: Effiziente praktische Lösung der behandelten Probleme ist wichtiger Bestandteil der Übungen Geht (teilweise) auch auf Aspekte der Parallelverarbeitung ein Vorlesungsübersicht Dualität von Graphen und Matrizen Grundlegende Graphenalgorithmen in Matrixalgebra Datenstrukturen für Graphen und dünn besetzte Matrizen Anwendungsbereiche: Netzwerkanalyse Layouten von Graphen Lastbalancierung mit Diffusion Partitionierung Ausdünnung von Graphen Gleichungssystemlöser 8
5 ORGANISATORISCHES Bachelor-/Masterarbeiten Insbesondere in den vorher genannten Themengebieten Beschreibungen liegen aus und sind auf Gruppenwebseite zu Studium und Lehre: [ Bei Interesse einfach ansprechen! [ 5 H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse
6 Stellenangebote HiWi-Stelle Doktorandenstelle Unterstützung in Forschung und Lehre Themenbereich parallele Algorithmentechnik Analyse von (sozialen) Netzwerken Kombinatorisches wissenschaftliches Rechnen Angewandte kombinatorische Optimierung Studiengänge? [ images_content/berufswahl_80px.jpg] 6 H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse Organisatorisches zur Veranstaltung Vorlesung und Übung kombiniert Termine: Mittwochs :00-5:0 Uhr im SR -9 Donnerstags :00-5:0 Uhr im SR -9 Übersicht auf Vorlesungswebseite SWS: + [ Sprechstunde: Nach Vereinbarung ( ) Webseite zur Vorlesung (bzw. Link auf weitere Details): H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse
7 Methodik des Übungsbetriebs Aufgaben sowohl theoretisch (z. B. vglw. einfache Beweise) als auch praktisch (z. B. Implementierung) Übungen: Teilnehmer präsentieren ihre Lösungen zu Übungsaufgaben [ Bonuspunkte für erfolgreiches Programmierprojekt Projektvorstellung am Ende der Vorlesungszeit Mündliche Prüfung voraussichtlich in KW 0 und Sep/Okt 06 [ neuen%0ideen%0%8clipart%9/598-gl%c%bchbirne%0aha.jpg] 8 H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse Projekthilfsmittel NetworKit Software zur interaktiven Netzwerkanalyse Schnell durch C++ und OpenMP Anwendungsarbeit im Browser (Jupyter notebook) Paralleles Backend kann auf Server laufen Begleitende Programmierübung Projektthemen erscheinen in ca. zwei Wochen Bedarf? 9
8 Literatur Weitere Literatur: Angabe bei Bedarf auf Folien 0 Abschnitt (mit einigen Folien von Aydin Buluc, Berkeley Lab): EINLEITUNG UND MOTIVATION
9 Motivation for graphs A graph is an important abstract data structure Powerful tool for modelling complex problems Models discrete structures Ubiquituous in daily-life applications: Road networks Social networks Communication networks UML diagrams Image processing Motivation for linear algebra A matrix is an important abstract data structure Powerful tool for modeling complex problems Models discretized physical processes (often) Ubiquitous in scientific applications: Physical process: PDE Discretized PDE -> matrix Numerical simulations FFT (your camera!)
10 Middleware Continuous physical modeling Discrete structure analysis Linear algebra Graph theory Computers Computers Why both together? Design: Few basic operations Analysis: As above Implementation: As above Experiments: Both types have acted as inputs for benchmarks 5
11 Layered system approach (with examples) Fluid flow simulation Applications Statistical network analysis Linear solver Algorithms Betweenness Centrality MatVec Primitives BFS step 6 BLAS vs GraphBLAS BLAS (Basic Linear Algebra Subroutines): Highly successful Used in many other libraries Dense LA GraphBLAS New effort Standardization in progress Sparse graphs/matrices
12 ALGORITHMISCHE GRUNDLAGEN 8 Was ist ein Algorithmus? Definition: Ein Algorithmus ist eine eindeutige Beschreibung eines Verfahrens zur Lösung einer bestimmten Klasse von Problemen. Schlüsselworte: Genauer: Ein Algorithmus ist eine Menge von Regeln für ein Verfahren, Eindeutige um Beschreibung aus gewissen Eingabegrößen bestimme Ausgabegrößen eines Verfahrens herzuleiten. Dabei muss zur. Lösung Das Verfahren in einem endlichen Text beschreibbar sein.. Jeder Schritt des Verfahrens auch tatsächlich ausführbar sein. einer Klasse von Problemen. Der Ablauf des Verfahrens zu jedem Zeitpunkt eindeutig definiert sein. 9
13 Kriterien für Algorithmen Ø Algorithmen müssen korrekt sein. Benötigen Korrektheitsbeweise. Ø Algorithmen sollen zeit- und speichereffizient sein. Benötigen Analysemethoden für Zeit- und Speicherbedarf. Ø Analyse basiert in der klassischen Algorithmik nicht auf empirischen Untersuchungen, sondern auf mathematischen Analysen. Man nutzt hierfür Pseudocode und Basisoperationen. Ø Algorithmentechnik: Zyklus von Entwurf, Analyse, Implementierung und Experiment 0 Definition: Multimenge Eine Menge E mit einer Vielfachheit Elemente heißt Multimenge. # E : E 0 ihrer Die Kardinalität von E ist E = # E (e). e E Kurzschreibweise: # e für # E (e) e k E, falls e E und # e = k
14 Definition: Graph, Multigraph Ein mglw. gerichteter Graph (bzw. Multigraph) ist ein Paar G = (V, E) aus einer endlichen Menge V von Knoten und einer Menge (bzw. Multimenge) E µ V V von Kanten. Kanten e {(v, v) v V} nennen wir Schleifen. Kanten e E in einem Multigraphen mit k > (Mehrfachauftreten) heißen Multikanten. Ein Graph ist schlicht (simple), wenn er weder Schleifen noch Multikanten hat. Beispiel mit und für ist eine Multikante (,) ist eine Schleife ist Vorgänger von ist Nachfolger von ist adjazent zu (, ) ist inzident zu (bzw. )
15 Jetzt sind Sie dran: Frage: Welche Matrizen kennen Sie, um einen Graphen zu repräsentieren? Beispiel für Dualität [KG, S., S. f.] BFS und Matrix-Vektor-Produkt BFS(G, s) ó A T x (wiederholt), x(s) = Graphenalgorithmen in Halbringnotation Halbring: Algebraische Struktur mit einer (nichtleeren) Menge und mit zwei zweistelligen Verknüpfungen (Addition, Multiplikation). Addition ist eine kommutative Halbgruppe, Multiplikation ist eine Halbgruppe, es gelten die Distributivgesetze. A op.op v: Abkürzung für Matrix-Vektor-Multiplikation 5
16 Breadth-first search (BFS) Basic graph traversal algorithm BFS in the language of linear algebra Graph as adjacency matrix A (or A T, stored as sparse matrix) A uv : Edge from u to v from 5 to 6 A T
17 How do we express one BFS step? Source: Entry in vector x What happens in matrix-vector product? Interpretation: Result: Non-zeros at neighbors of source(s) Another matvec: -step neighbors,... x Trick: Interpret these matvec operations as general semiring operations! 8 Semiring A semiring is a set R equipped with two binary operations + and, called addition and multiplication, such that: (R, +) is commutative semigroup with identity 0 (a + b) + c = a + (b + c) 0 + a = a + 0 = a a + b = b + a (R, ) is semigroup with identity (a b) c = a (b c) a = a = a Distributive multiplication a (b + c) = (a b) + (a c) (a + b) c = (a c) + (b c) 0 a = a 0 = 0 9
18 Other semiring Exchange (+, ) by two other operations... Actually we do not have to sum 0 5 Par,cular semiring opera,ons: Mul$ply: select Add: minimum from 6 to à parents: A T x A T x
19 5 Mul$ply traverses outgoing edges Add chooses among incoming edges (minimum) from 6 parents: to A T x à A T x 5 Select vertex with minimum label as parent from 6 parents: to A T 5 5 x à A T x
20 Result: Determinis,c breadth-first search 6 5 from to à A T 6 x A T x Fazit BFS(G, s) und Matrix-Vektor-Produkt Vektor x: x(s) =, alle anderen Einträge 0 Matrix: A T, geeignete Datenstruktur Theorem: (A k ) ij = Anzahl Wege der Länge k von i nach j Beweis: Übung!. Schritt: BFS(G, s) ó x () := A T x (0). Schritt: BFS(G, s) ó x () := A T x () = (A T ) x (0)... Anpassen der Operationen gemäß Halbring! 5
21 Historie Dualität zwischen einem schlichten Graphen (ohne weitere Information) und einer Adjazenzmatrix lange bekannt Matrixalgebra etabliertes Werkzeug in der Graphentheorie Allerdings: In algorithmischer Software wurden meist andere Repräsentationen gewählt Frage: Mögliche Gründe? 6 Vorteile der Nutzung der Dualität Reduktion der syntaktischen Komplexität: Manche Graphenalgorithmen sind kompakter und einfacher verständlich, wenn sie Array-basiert aufgeschrieben werden Personenkreise mit Kenntnissen in linearer Algebra haben leichteren Zugang zur Graphentheorie (Ingenieure, Physiker,...) Einfache Implementierung: Nutzung der existierenden Software-Infrastruktur für parallele Berechnungen auf dünn besetzten Matrizen Weniger Fehler durch Wiederverwendung Bessere Optimierung durch Spezialisten Geschwindigkeit: Array-basierte Algorithmen heben stärker das Muster des Datenzugriffs hervor Dadurch bessere Optimierung möglich
22 The case for sparse matrices Many irregular applications: Coarse-grained parallelism Exploit by abstractions at proper level. Traditional graph computations Data driven, unpredictable communication Irregular and unstructured, poor locality of reference Fine grained data accesses, dominated by latency Graphs in the language of linear algebra Fixed communication patterns Operations on matrix blocks exploit memory hierarchy Coarse grained parallelism, bandwidth limited 8 Nachteile der Nutzung der Dualität Frage: Was fällt Ihnen ein? 9
23 Ansatz der Vorlesung Zunächst anhand grundlegender Algorithmen Dualität erklären Implementierungsaspekte beleuchten Anwendung der Dualität: Algorithmisch Analytisch 50
Graphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Master Informatik
Vorlesung für den Bereich Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes Baden-Württemberg
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrGraphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik
Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes
MehrVorlesung 15 ABSCHLUSS UND ZUSAMMENFASSUNG
Vorlesung 15 ABSCHLUSS UND ZUSAMMENFASSUNG 431 Wiederholung! Größen im Zusammenhang mit Fluss:! Energie des Flusses! Duale Energie: Lagrange-Potential! Dualitätslücke! Zyklusaktualisierung in Form von
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Prof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik
Algorithmische Methoden zur Netzwerkanalyse Vorlesung für den Bereich Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR
Mehr1. Einführung. Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen?
1. Einführung Was ist ein Algorithmus (eine Datenstruktur)? Welche Probleme kann man damit lösen? Warum betrachten wir (effiziente) Algorithmen? Wie beschreiben wir Algorithmen? Nach welchen Kriterien
Mehr16. November 2011 Zentralitätsmaße. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87
16. November 2011 Zentralitätsmaße H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 87 Darstellung in spektraler Form Zentralität genügt Ax = κ 1 x (Herleitung s. Tafel), daher ist x der Eigenvektor
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrMotivation Kap. 6: Graphen
Motivation Kap. 6: Graphen Warum soll ich heute hier bleiben? Graphen sind wichtig und machen Spaß! Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund Was gibt es
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrVorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 34 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Kürzeste Wege zwischen allen Knotenpaaren (APSP)! Viele Anwendungen:! Navigationssysteme!
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrKombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik
Kombinatorische Optimierung Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK
MehrModulhandbuch. Wintersemester 2016/17: Veranstaltungen der Arbeitsgruppe Diskrete Mathematik, Optimierung und Operations Research keine Zuordnung
Universität Augsburg Modulhandbuch Wintersemester 2016/17: Veranstaltungen der Arbeitsgruppe Diskrete Mathematik, Optimierung und Operations Research keine Zuordnung Wintersemester 2016/2017 Lehrveranstaltungen
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2013 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Martin Fink Büro E14 (Mathebau)
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
MehrParallele Rechenmodelle
Organisatorisches und Themenvorstellung, 21. Oktober 2016 Henning Meyerhenke, Moritz von Looz, Roland Glantz 1 Meyerhenke, Looz, Glantz: Institute for Theoretical Computer www.kit.edu Science Termine Bis
Mehr23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108
23. November 2011 Betweenness Centrality Closeness Centrality H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108 Betweenness Centrality Grundlegende Idee: Ein Knoten ist wichtig, wenn er auf
MehrAm Dienstag, den 16. Dezember, ist Eulenfest. 1/45
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
MehrAlgorithm Theory 3 Fast Fourier Transformation Christian Schindelhauer
Algorithm Theory 3 Fast Fourier Transformation Institut für Informatik Wintersemester 2007/08 Chapter 3 Fast Fourier Transformation 2 Polynomials Polynomials p over real numbers with a variable x p(x)
Mehr9. November ZHK in dynamischen Graphen Zentralitäten. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 67
9. November 2011 ZHK in dynamischen Graphen Zentralitäten H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 67 ZHK in dynamischen Graphen Ungerichteter schlichter dynamischer Graph Dynamisch:
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrGraphenalgorithmen und lineare Algebra Hand in Hand Prof. Dr. Henning Meyerhenke
Graphenalgorithmen und lineare Algebra Hand in Hand Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrEinführung in die Numerik
Einführung in die Numerik Sommersemester 2017 Dr. Andreas Potschka Ruprecht Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Im Neuenheimer Feld 205, 69120 Heidelberg
MehrAlgorithmische Geometrie: Einstimmung
Algorithmische Geometrie: Einstimmung Nico Düvelmeyer WS 2009/2010, 20.10.2009 Überblick 1 Organisatorisches 2 Fachgebiet Typische Untersuchungsgegenstände Typische Anwendungsgebiete 3 Inhalte der Vorlesung
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Einführung 1. Vorlesung Sommersemester 2014 (basierend auf Folien von Martin Nöllenburg und Robert Görke, KIT) Organisatorisches Dozent Philipp Kindermann Büro
MehrDiskrete Strukturen WS 2010/11. Ernst W. Mayr. Wintersemester 2010/11. Fakultät für Informatik TU München
WS 2010/11 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/ Wintersemester 2010/11 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesungen:
MehrLernmodul 7 Algorithmus von Dijkstra
Folie 1 von 30 Lernmodul 7 Algorithmus von Dijkstra Quelle: http://www.map24.de Folie 2 von 30 Algorithmus von Dijkstra Übersicht Kürzester Weg von A nach B in einem Graphen Problemstellung: Suche einer
MehrField-Circuit Coupling for Mechatronic Systems: Some Trends and Techniques
Field-Circuit Coupling for Mechatronic Systems: Some Trends and Techniques Stefan Kurz Robert Bosch GmbH, Stuttgart Now with the University of the German Federal Armed Forces, Hamburg stefan.kurz@unibw-hamburg.de
MehrVorlesung 2 KÜRZESTE WEGE
Vorlesung 2 KÜRZESTE WEGE 45 Kürzeste Wege im Graphen Motivation! Heute:! Kürzeste Wege von einem Knoten (SSSP)! Distanzen zwischen allen Knotenpaaren (APD)! Viele Anwendungen:! Navis! Netzwerkrouting!...
MehrVorlesung 1: Graphentheorie. Markus Püschel David Steurer. Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich
Vorlesung 1: Graphentheorie Markus Püschel David Steurer Algorithmen und Datenstrukturen, Herbstsemester 2018, ETH Zürich Plan für die ersten Vorlesungen Vorlesungen 1,2: wichtige mathematische Grundlagen;
Mehr2. November Gradfolgen Zusammenhang Kürzeste Wege. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37
2. November 2011 Gradfolgen Zusammenhang Kürzeste Wege H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 37 Satz von Erdős und Gallai Eine Partition einer natürlichen Zahl ist genau dann die Gradfolge
MehrVorlesung 4: DATENSTRUKTUREN UND ALGORITHMEN
Vorlesung 4: DATENSTRUKTUREN UND ALGORITHMEN 107 Wiederholung zur Speicherhierarchie! EM- bzw. I/O-Modell: Übergang der Ebenen universell! Blockweise Abarbeitung unter Ausnutzung von Lokalität Chip On-/off-Chip,
MehrInformatik II, SS 2016
Informatik II - SS 2016 (Algorithmen & Datenstrukturen) Vorlesung 13 (8.6.2016) Graphenalgorithmen I Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrRouting A lgorithmen Algorithmen Begriffe, Definitionen Wegewahl Verkehrslenkung
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Die Forschungsuniversität Meyerhenke, in der Institut für Theoretische Informatik
MehrDiskrete Strukturen Kapitel 1: Einleitung
WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrAlgorithmen und Datenstrukturen. Organisatorisches. Christian Komusiewicz Ernst-Abbe-Platz 2, R3315
Algorithmen und Datenstrukturen Christian Komusiewicz Ernst-Abbe-Platz 2, R3315 christian.komusiewicz@uni-jena.de Friedrich-Schiller-Universität Jena Institut für Informatik http://users.fmi.uni-jena.de/
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrAlgorithmische Methoden für schwere Optimierungsprobleme
Algorithmische Methoden für schwere Optimierungsprobleme Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund
MehrBayesian Networks. Syntax Semantics Parametrized Distributions Inference in Bayesian Networks. Exact Inference. Approximate Inference
Syntax Semantics Parametrized Distributions Inference in Exact Inference Approximate Inference enumeration variable elimination stochastic simulation Markov Chain Monte Carlo (MCMC) 1 Includes many slides
MehrGrundlagen: Algorithmen und Datenstrukturen
Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010
MehrAlgorithmen zur Visualisierung von Graphen
Algorithmen zur Visualisierung von Graphen Rückblick und aktuelle Forschungsthemen Vorlesung im Wintersemester 2012/2013 5.2.2013 Vorlesungsrückblick 1. Einführung 2. Baumlayouts 3. Serien-parallele Graphen
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrDiskrete Strukturen WS Ernst W. Mayr. Wintersemester Fakultät für Informatik TU München
WS 2011 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/ Wintersemester 2011 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesung: Di 13:45
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrAm Dienstag, den 15. Dezember, ist Eulenfest. 1/60
Am Dienstag, den 15. Dezember, ist Eulenfest. 1/60 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
MehrProgramm heute. Algorithmen und Datenstrukturen (für ET/IT) Übersicht: Graphen. Definition: Ungerichteter Graph. Definition: Ungerichteter Graph
Programm heute Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 07 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München 7 Fortgeschrittene Datenstrukturen Graphen
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 16: Erste Algorithmen in Graphen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für
MehrAlgorithmen und Datenstrukturen
1 Algorithmen und Datenstrukturen Wintersemester 2014/15 17. Vorlesung Graphen: Repräsentation und Durchlaufstrategien Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I 2 Vorlesungsumfrage Nutzen Sie
MehrVorlesung 4 BETWEENNESS CENTRALITY
Vorlesung 4 BETWEENNESS CENTRALITY 101 Aufgabe! Szenario: Sie arbeiten bei einem sozialen Online-Netzwerk. Aus der Netzwerk-Struktur Ihrer Benutzer sollen Sie wichtige Eigenschaften extrahieren. [http://www.fahrschule-vatterodt.de/
MehrVorlesung Algorithmische Geometrie Konvexe Hülle in R 3
Vorlesung Algorithmische Geometrie Konvexe Hülle in R 3 INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 15.07.2014 1 Wdh: Konvexe Hülle in R 2 (VL1) Def: Eine Menge S R 2
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrAm Dienstag, den 16. Dezember, ist Eulenfest. 1/48
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/48 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
MehrSichtbarkeitsgraph. Andreas Gemsa Übung Algorithmische Geometrie
Übung Algorithmische Geometrie Sichtbarkeitsgraph LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Andreas Gemsa 19.07.2012 Ablauf Nachtrag Sichtbarkeitsgraph WSPD
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2013 / 2014 Vorlesung 12, Donnerstag, 23.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 0 / 04 Vorlesung, Donnerstag,. Januar 04 (Graphen, Breiten/Tiefensuche, Zusammenhangskomponenten) Junior-Prof.
MehrAMTLICHE BEKANNTMACHUNG
AMTLICHE BEKANNTMACHUNG NUMMER 2015/014 SEITEN 1-5 DATUM 05.02.2015 REDAKTION Sylvia Glaser 3. Ordnung zur Änderung der Prüfungsordnung für den Master-Studiengang Informatik der Rheinisch-Westfälischen
MehrVerteilte Algorithmen und Datenstrukturen. Prof. Dr. Christian Scheideler Institut für Informatik Universität Paderborn
Verteilte Algorithmen und Datenstrukturen Prof. Dr. Christian Scheideler Institut für Informatik Universität Paderborn Verteilte Algorithmen und Datenstrukturen Vorlesung: Mi 14:15-15:45 Uhr, F0.530 Übung:
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrAlgorithmische Methoden zur Netzwerkanalyse Vorlesung 8, Henning Meyerhenke
Algorithmische Methoden zur Netzwerkanalyse Vorlesung 8, 07.12.2011 Henning Meyerhenke 1 KIT Henning Universität desmeyerhenke: Landes Baden-Württemberg und nationales Algorithmische Forschungszentrum
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 20 (23.7.2014) All Pairs Shortest Paths, String Matching (Textsuche) Algorithmen und Komplexität Vorlesungsevaluation Sie sollten alle eine
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrMagic Figures. We note that in the example magic square the numbers 1 9 are used. All three rows (columns) have equal sum, called the magic number.
Magic Figures Introduction: This lesson builds on ideas from Magic Squares. Students are introduced to a wider collection of Magic Figures and consider constraints on the Magic Number associated with such
MehrDas Informatikstudium (an der ETH)
Das Informatikstudium (an der ETH) Malte Schwerhoff, Dozent (Mit Folien von Hermann Lehner, Emo Wenzel, Sandra Herkle) Departement Informatik Dr. Malte Schwerhoff, Dozent 13.09.2018 1 Warum sind Sie hier?
MehrInformatik II, SS 2016
Informatik II - SS 208 (Algorithmen & Datenstrukturen) Vorlesung 4 (..208) Graphenalgorithmen III Algorithmen und Komplexität Bäume Gegeben: Zusammenhängender, ungerichteter Graph G = V, E Baum: Zusammenhängender,
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrMaster of. Mathematics in Operations Research. Dr. Michael Ritter 27. Oktober Technische Universität München
Master of Mathematics in Operations Research Dr. Michael Ritter 27. Oktober 2016 Technische Universität München Operations Research Operations Research Science of Better Operations Research Science of
MehrInstitut für Künstliche Intelligenz
Institut für Künstliche Intelligenz Prof. Sebstaian Rudolph --- Computational Logic Prof. Steffen Hölldobler --- Wissensverarbeitung Prof. Ivo F. Sbalzarini --- Wissenschaftliches Rechnen für Systembiologie
Mehrverschiedenen Recheneinheiten, die miteinander kommunizieren können
Vorlesung 9 BALANCIERUNG DYNAMISCHER UNABHÄNGIGER LASTEN 293 Lastbalancierung Motivation Ein paralleles System besteht aus verschiedenen Recheneinheiten, die miteinander kommunizieren können Warum parallel
MehrSeminar Algorithmen für planare Graphen
Seminar Algorithmen für planare Graphen Reinhard Bauer, Marcus Krug, Ignaz Rutter, Dorothea Wagner Universität Karlsruhe (TH) Institut für Theoretische Informatik Lehrstuhl Algorithmik I 24. Oktober 2008
MehrVorlesung 5: DATENSTRUKTUREN UND ALGORITHMEN
Vorlesung 5: DATENSTRUKTUREN UND ALGORITHMEN 125 Motivation! Wahl der Datenstruktur wichtiger Schritt beim Entwurf und der Implementierung von Algorithmen! Dünn besetzte Graphen und Matrizen bilden keine
MehrZurich Open Repository and Archive. Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen in gerichteten Netzwerken
University of Zurich Zurich Open Repository and Archive Winterthurerstr. 190 CH-8057 Zurich http://www.zora.uzh.ch Year: 2008 Anatomie von Kommunikationsrollen. Methoden zur Identifizierung von Akteursrollen
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Professor Dr. Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 1. VO A&D WS 08/09 14. Oktober 2008 1 bevor wir thematisch beginnen: Kapitel
MehrAlgorithmen und Datenstrukturen (AuD) Prof. Dr. Claudia Eckert und Dr. Thomas Stibor
Algorithmen und Datenstrukturen (AuD) Prof. Dr. Claudia Eckert und Dr. Thomas Stibor Organisatorisches: Vorlesung 4 SWS, Zentralübung 2 SWS: 6 Credit Points Mi 9:45 11:15 Raum 1200 (Vorlesung) Do 8:00
MehrBrowser- gestützte Visualisierung komplexer Datensätze: Das ROAD System
AG Computeranwendungen und QuanLtaLve Methoden in der Archäologie 5. Workshop Tübingen 14. 15. Februar 2014 Browser- gestützte Visualisierung komplexer Datensätze: Das ROAD System Volker Hochschild, Michael
MehrRessourcenmanagement in Netzwerken SS06 Vorl. 12,
Ressourcenmanagement in Netzwerken SS06 Vorl. 12, 30.6.06 Friedhelm Meyer auf der Heide Name hinzufügen 1 Prüfungstermine Dienstag, 18.7. Montag, 21. 8. und Freitag, 22.9. Bitte melden sie sich bis zum
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
MehrInformatik II, SS 2018
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 13 (6.6.2018) Graphenalgorithmen II Yannic Maus Algorithmen und Komplexität Repräsentation von Graphen Zwei klassische Arten, einen Graphen
MehrAlgorithmische Spieltheorie
Algorithmische Spieltheorie Martin Hoefer Sommer 2017 1 / 8 Worum gehts? Dynamische Systeme mit rationalen Nutzern und Interaktion, z.b. Rationales Verhalten, Anreize und Stabilität bei Ressourcennutzung
MehrKap. 5: Graphen. Carsten Gutwenger Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund. 17. VO DAP2 SS
Kap. 5: Graphen Lehrstuhl für Algorithm Engineering, LS11 Fakultät für Informatik, TU Dortmund 17. VO DAP2 SS 2009 23. Juni 2008 1 Motivation Warum soll ich heute hier bleiben? Graphen sind wichtig und
MehrPriorities (time independent and time dependent) Different service times of different classes at Type-1 nodes -
E.6 Approximate Analysis of Non-product-Form Queueing Networks Non exponentially distributed service times Priorities (time independent and time dependent) Different service times of different classes
MehrFormale Systeme. Prof. P.H. Schmitt. Winter 2007/2008. Fakultät für Informatik Universität Karlsruhe (TH) Voraussetzungen
Formale Systeme Prof. P.H. Schmitt Fakultät für Informatik Universität Karlsruhe (TH) Winter 2007/2008 Prof. P.H. Schmitt Formale Systeme Winter 2007/2008 1 / 12 Übungen und Tutorien Es gibt wöchentliche
MehrInformatik II, SS 2016
Informatik II - SS 2018 (Algorithmen & Datenstrukturen) Vorlesung 12 (4.6.2018) Graphenalgorithmen I Yannic Maus Algorithmen und Komplexität Graphen Knotenmenge V, typischerweise n V Kantenmenge E, typischerweise
MehrFortgeschrittene Netzwerk- und Graph-Algorithmen
Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 4 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrAlgorithmische Methoden zur Netzwerkanalyse
Algorithmische Methoden zur Netzwerkanalyse Prof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund für Theoretische
Mehr