Algorithmen und Datenstrukturen, FS17 Prof Dr Christian Tschudin
|
|
- Karlheinz Kohl
- vor 6 Jahren
- Abrufe
Transkript
1 Departement Mathematik und Informatik Algorithmen und Datenstrukturen, FS17 Prof Dr Christian Tschudin 17. Mai 2017 Lineare Programmierung R. B. Dantzig Algorithmen und Datenstrukturen, FS Mai / 13 Uebersicht ) Hackathon-Preisverleihung 2) Lineare Programmierung: Beispiel Zur Person von G. Dantzig,... und L. Kantorowitsch Können Algorithmen politisch und ideologisch sein? Slide Deck von Prof H. Burkhart (FS2016)
2 Algorithmen und Datenstrukturen, FS Mai / 13 A+DS-2017-Hackathon Ranking Preis: 2 KP für lauffähige Lösung, plus 1 Hauptpreis Drei Kriterien: Cleverness (C) / Speed (S) / Doku-Qualität (D) Ohne Ranking und KP (zudem beide > 1 PDF-Seite): FAMJ (File System, keine Demo) MZ ( Kette, 32MB-Demo) SANG (Boyer-Moore): C=2/5 (grep), S=1/5, D=OK DLT (Trie): C=3/5, nur 1Mia, S=4/5, D=naja (Manual) nun wurde es schwierig... MTPT (Postgres): C=4/5 (wg Mapping), S=4/5, D=gut GHM (BinSearch, IBF ): C=5/5, S=5/5, D=gut Gratulation an die Gewinner (bitte bei mir melden)! An alle: Dank für die Teilnahme! Bitte HDD zurückgeben. Algorithmen und Datenstrukturen, FS Mai / 13 Wiederholung Wie lautet die Knapsack-Problemstellung? Wie sieht die Brute-Force-Lösung des Knapsacks-Problems aus? Wie funktioniert Dynamische Programmierung, was ist der Zusammenhang mit Optimierung?
3 Algorithmen und Datenstrukturen, FS Mai / 13 Einstiegsbeispiel (1/4) Beispiel eines Optimierungsproblems Für drei Baustellen A, B und C wird Kies aus den Kiesgruben M und N angefahren. An Baustelle A werden 500 m 3, an Baustelle B 200 m 3 und an Baustelle C 300 m 3 benötigt. Aus Kiesgrube N sollen 400 m 3 und aus Kiesgrube M 600 m 3 geliefert werden. In der nachfolgenden Tabelle sind die Transportkosten in Franken je m 3 angegeben. nach A B C von M 10.- Fr./m Fr./m Fr./m 3 von N 8.- Fr./m Fr./m Fr./m 3 Wie viele m 3 Kies sind von jeder Kiesgrube an die einzelnen Baustellen anzufahren, wenn die Gesamttransportkosten möglichst niedrig sein sollen? (Quelle: Gymnasium Kirschgarten, Basel-Stadt, 9. Schuljahr, April 2017) Auf den ersten Blick komplex. Aber: Das Problem lässt sich auf zwei Unbekannte reduzieren, z.b. Liefermenge von N nach A (= x) sowie N nach B (= y): Die Restmengen N nach C, sowie die Lieferungen von M nach A, B und C leiten sich daraus ab. Algorithmen und Datenstrukturen, FS Mai / 13 Einstiegsbeispiel (2/4): Ungleichungen Variablen x und y sind 0 Weitere Bedingungen: 400 x y x y (400 x y) = x + y Zielfunktion (zu minimieren): cost(x, y) = 8x + 7y + 9(400 x y) +... cost(x, y) = K 2x y
4 Algorithmen und Datenstrukturen, FS Mai / 13 Einstiegsbeispiel (3/4): Graphische Lösung Ungleichungen begrenzen den zulässigen Bereich S Als Lösungen kommen die Eckpunkte (EP) in Frage, Zielfunktion (y = K 2x) tangential an S anlegen: minimal: K 2x y möglichst klein, nur 2 EP zu prüfen (falls Maximierung gewünscht: Zielwert möglichst gross) Algorithmen und Datenstrukturen, FS Mai / 13 Einstiegsbeispiel (4/4): Lösung mit Simplex Simplex-Algorithmus (siehe nachfolgend), z.b. auf dem Web abrufen (
5 Algorithmen und Datenstrukturen, FS Mai / 13 G. B. Dantzig ( ) Gilt als Erfinder des Simplex-Algorithmus Nach Mathematik-Studium (Master 1938) in die Industrie: mehrfache Versuche, Doktorat später zu machen U.S. Air Force, Doktorat schliesslich 1946 ab 1952 Arbeit in Mathematikabteilung von RAND (!) Notes on linear programming. RAND Corporation, Professur Berkeley 1960, Stanford ab 1966 Lineare Programmierung von Armee bis 1947 geheim gehalten (ich konnte keine klare Quelle finden) 1974: John von Neumann Preise für Theorie und viele weitere Auszeichnungen. Algorithmen und Datenstrukturen, FS Mai / 13 Leonid Kantorowitsch ( ) Nobelpreis 1975 in Wirtschaftswissenschaften zusammen mit T. Koopmans zu Optimale Ressourcenverwendung, aber ohne G. Dantzig (!) Russischer Mathematiker: mit 14 an die Uni, Abschluss mit 18 J., Professur mit 22 J Doktorat mit 23J (Wiedereinführung nach Revolution) (Studium und) Professur in Leningrad, bis 1960 ab 1961 Prof in Novosibirsk Kantorowitsch erkannte 1939 die Fragestellung: Buch Mathematische Methoden in der Organisation und Planung der Produktion, parallel Schreiben am Verfahren Vorurteile in der Sowjetunion: GOSPLAN lehnte die Einführung seines (LP-) Verfahrens 1942 und Mitte 1950 ab (zu nahe am Markt und Konzept der Gewinnoptimierung?), Publikation erst 1959
6 Algorithmen und Datenstrukturen, FS Mai / 13 Kantorowitsch und Dantzig Können Algorithmen ideologisch gefärbt sein? Intl. Trans. in Op. Res. 10 (2003) Both the formulation and the mathematical analysis adopted by Kantorovich, although equivalent to Dantzig s, were influenced by the social and economic framework of the USSR. As Dorfman has put it, Kantorovich s formulation is of the maximisation problem for an economy where economic effort is coordinated by the maintenance of socially and technically appropriate material balances. By contrast, Dantzig s version is a natural representation for an economy in which effort is coordinated by comparisons of relative value and the individual profitability of decentralised enterprises. Algorithmen und Datenstrukturen, FS Mai / 13 Simplex-Algorithmus in der Praxis Früher Limitierung durch Rechenaufwand (bis Einführung des Computers) oder durch zu kleinen Hauptspeicher (danach) Optimale Essensration US-amerikanischer Soldaten: 9 Ungleichungen, 77 Variablen, 120 Personentage Rechenaufwand Simplex-Verfahren vielfach weiterentwickelt: duales Verfahren, dünnbesetzte Matrizen, und mehr Wikipedia: mehreren hunderttausend Variablen oder Ungleichungen [können] innerhalb weniger Stunden optimal gelöst werden.
7 Algorithmen und Datenstrukturen, FS Mai / 13 Lineares Optimierungsproblem (LP) Dieses und nachfolgende Slides von Prof H. Burkhart, FS2016
Einführung. Kapitel 1. Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298
Kapitel 1 Einführung Peter Becker (H-BRS) Operations Research I Sommersemester 2015 14 / 298 Inhalt Inhalt 1 Einführung Was ist Operations Research? Planungsprozess im OR Peter Becker (H-BRS) Operations
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
MehrLineare Programmierung
Lineare Programmierung WS 2003/04 Rolle der Linearen Programmierung für das TSP 1954: Dantzig, Fulkerson & Johnson lösen das TSP für 49 US-Städte (ca. 6.2 10 60 mögliche Touren) 1998: 13.509 Städte in
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
1 Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14) Einleitung Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 11. Oktober 2013) 2 Kommunikationsnetzwerke...
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrInstitut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II. Aufgaben und Lösungen
Institut für Statistik und Mathematische Wirtschaftstheorie Universität Augsburg OPTIMIERUNG II Aufgaben und Lösungen SS 2005 Aufgaben Aufgabe 41 Ein Betrieb stellt zwei Produkte P 1 und P 2 her, die die
MehrBachelor-Studiengang Angewandte Informatik mit einem Fachanteil von 100%
Bachelor-Studiengang Angewandte Informatik mit einem Fachanteil von 100% an der Ruprecht-Karls-Universität Heidelberg http://www.informatik.uni-heidelberg.de/ Oktober 2015 Einige Begriffe Das Studium besteht
MehrDie Verbindung von Linearer Programmierung und Graphentheorie
Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
Mehr20. DOAG-Konferenz. Integration der Oracle E-Business Suite. mit einem Dokumenten-Management- System. Thomas Karle PROMATIS software GmbH
20. DOAG-Konferenz Integration der Oracle E-Business Suite mit einem Dokumenten-Management- System Nürnberg 21. November 2007 Thomas Karle PROMATIS software GmbH Integration der EBS mit einem DMS Agenda
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
MehrRessourceneinsatzplanung in der Fertigung
Fakultät Informatik, Institut für Angewandte Informatik, Professur Modellierung und Simulation Ressourceneinsatzplanung in der Fertigung Dr. Christoph Laroque Sommersemester 2012 Dresden, Ausblick: Ab
MehrMySQL Cluster und MySQL Proxy
MySQL Cluster und MySQL Proxy Alles Online Diese Slides gibt es auch unter: http://rt.fm/s4p Agenda (Don't) Panic Web- und MySQL-Server MySQL Master-Master Cluster MySQL Proxy und Cluster MySQL Master-Slave/Master
MehrLogik und diskrete Strukturen
Prof. Dr. Institut für Informatik Abteilung I Wintersemester 2012/13 Organisatorisches Vorlesung Dienstag und Donnerstag 10:15 11:45 Uhr (HS 1) und 12:30 14:00 Uhr (HS 2) Vorlesung am Vormittag = Vorlesung
MehrPerformance Tuning mit @enterprise
@enterprise Kunden-Forum 2005 Performance Tuning mit @enterprise Herbert Groiss Groiss Informatics GmbH, 2005 Inhalt Datenbank RMI JAVA API HTTP Konfiguration Analyse Groiss Informatics GmbH, 2005 2 Datenbank
MehrEin Algorithmus für die
VGG 1 Ein Algorithmus für die Visualisierung gerichteter Graphen in der Ebene (2D) Seminar Graph Drawing SS 2004 bei Prof. Bischof (Lehrstuhl für Hochleistungsrechnen) Gliederung VGG 2 Einleitung Motivation
MehrOptimierung. Florian Jarre Josef Stoer. Springer
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Florian Jarre Josef Stoer Optimierung Springer Inhaltsverzeichnis
MehrLineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Einführung Standard- und Schlupfformen Simplex Algorithmus Matthias Zwicker Universität Bern Frühling 2009 2 Beispiel: Wahlkampf Ziel: mit möglichst wenig Werbung eine gewisse
MehrSpieltheoretischer Ansatz für selbstorganisierende Systeme
Spieltheoretischer Ansatz für selbstorganisierende Systeme Institut für Informatik 27. Juni 2006 Inhaltsverzeichnis 1 Ziel des Aufsatz 2 Geschichte 3 Einführung 4 Das Spiel Experiment 5 Konzepte zur Lösung
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrProgrammieren I. Administratives / Java Installation. Thomas Vetter, Brian Amberg, Andreas Forster. 21. September 2010 UNIVERSITÄT BASEL
Programmieren Administratives / Java nstallation Thomas Vetter, Brian Amberg, Andreas Forster UNVERSTÄT BASEL 21. September 2010 Teil Administratives Allgemein Personen Dozent: Prof. Thomas Vetter Assistenten:
MehrLehramt Informatik. Einführung für Erstsemester Infos für Lehramststudenten der Informatik. StR. Peter Brichzin brichzin at tcs.ifi.lmu.
Lehramt Informatik Einführung für Erstsemester Infos für Lehramststudenten der Informatik Gliederung Studium Grundstudium Ablauf Zulassungsvoraussetzungen für die Zwischenprüfung Hauptstudium Inhalte Software-Entwicklungs-Projekt
MehrFranke & Bornberg award AachenMünchener private annuity insurance schemes top grades
Franke & Bornberg award private annuity insurance schemes top grades Press Release, December 22, 2009 WUNSCHPOLICE STRATEGIE No. 1 gets best possible grade FFF ( Excellent ) WUNSCHPOLICE conventional annuity
MehrHadoop Demo HDFS, Pig & Hive in Action. Oracle DWH Konferenz 2014 Carsten Herbe
Hadoop Demo HDFS, Pig & Hive in Action Oracle DWH Konferenz 2014 Carsten Herbe Wir wollen eine semi-strukturierte Textdatei in Hadoop verarbeiten und so aufbereiten, dass man die Daten relational speichern
MehrFAQs zum Bachelorstudiengang Informatik PO-Version 2010. Allgemeine Informationen zum Bachelorstudiengang Informatik
FAQs zum Bachelorstudiengang Informatik PO-Version 2010 Allgemeine Informationen zum Bachelorstudiengang Informatik Wann kann das Studium begonnen werden? Im Winter- und Sommersemester Ist das Studium
MehrLabView. Die erste komplett grafische Programmierumgebung. Jens Kleinwechter (jenskl@tzi.de)
LabView Die erste komplett grafische Programmierumgebung Falko Buttler ( fbuttler@tzi.de) Jens Kleinwechter (jenskl@tzi.de) Gliederung des Referats Was versteht man unter LabView? Für wen war es gedacht
MehrDie CUTEr Testbibliothek
Die CUTEr Testbibliothek Slide 1 Motivation Softwarepakete mit vollkommen verschiedenen Anwendungsschwerpunkten Optimierung entweder nur einer von vielen Schwerpunkten oder sogar nur Nebenprodukt zur Lösung
MehrMaster of Education (MEd) an der Universität Trier. Zentrum für Lehrerbildung Mastertag der Universität Trier 26. April 2013
Master of Education (MEd) an der Universität Trier ZentrumfürLehrerbildung MastertagderUniversitätTrier 26.April2013 BEd (fast) geschafft 26.04.2013 Wie geht es für mich weiter? MasterofEduca5onanderUniversität
MehrAlgorithmen für schwierige Optimierungsprobleme Vorlesung für den Bereich Bachelor Informatik
Algorithmen für schwierige Optimierungsprobleme Vorlesung für den Bereich Bachelor Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT
MehrEs handelt sich um ein duales Studium mit einem anerkannten Ausbildungsberuf und einem
Ausbildungsberuf Es handelt sich um ein duales Studium mit einem anerkannten Ausbildungsberuf und einem Bachelorstudium. Deine Ausbildung dauert 3 Jahre und wird am Standort Würselen im Ausbildungsbetrieb,
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrAnwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht
Anwendungen der Wirtschaftsmathematik und deren Einsatz im Schulunterricht Beispiele wirtschaftsmathematischer Modellierung Lehrerfortbildung, Speyer, Juni 2004-1- Beispiele wirtschaftsmathematischer Modellierung
MehrInhaltsverzeichnis. Vorwort... V. Symbolverzeichnis... XIII
Inhaltsverzeichnis Vorwort................................................................. V Symbolverzeichnis...................................................... XIII Kapitel 1: Einführung......................................................
MehrBlitzlicht: MES Produktionsplanung und Unternehmensmodelle IEC 62264 Integration von Unternehmensführungs und Leitsystemen
Blitzlicht: MES Produktionsplanung und Unternehmensmodelle IEC 62264 Integration von Unternehmensführungs und Leitsystemen Tagung: Normen für Industrie 4.0 BMWi, Berlin 19.02.2015 Max Weinmann, Emerson
MehrLINGO: Eine kleine Einführung
LINGO: Eine kleine Einführung Jun.-Prof.Dr. T. Nieberg Lineare und Ganzzahlige Optimierung, WS 2009/10 LINDO/LINGO ist ein Software-Paket, mit dessen Hilfe (ganzzahlige) lineare Programme schnell und einfach
MehrComputergraphik I. Organisatorisches. G. Zachmann University of Bremen, Germany cgvr.informatik.uni-bremen.de
Computergraphik I Organisatorisches G. Zachmann University of Bremen, Germany cgvr.informatik.uni-bremen.de Voraussetzungen Ein wenig Mathematik Trigonometrie Lineare Algebra: Rechnen mit Vektoren und
MehrQuellen: Towards a Human Computer InteractionPerspective. Übersicht. Warum visuelle Sprachen? Begriffsdefinitionen: Hinderungsgründe bisher:
Quellen: Towards a Human Computer InteractionPerspective von B.K. & B.K. LV: Visuelle Sprachen (03-763) Universität Bremen WS 2001/02 Visual Language Theory: Towards a Human- Computer Perspective; N. Hari
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
MehrBERECHTIGUNGEN IM ÜBERBLICK. www.protected-networks.com. protecting companies from the inside out
BERECHTIGUNGEN IM ÜBERBLICK Klarheit im Berechtigungsdschungel Sicherheit von innen Große Datenmengen mit den unterschiedlichsten Inhalten und Formaten türmen sich auf Unternehmensservern (wie Microsoft
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrAlbert HAYR Linux, IT and Open Source Expert and Solution Architect. Open Source professionell einsetzen
Open Source professionell einsetzen 1 Mein Background Ich bin überzeugt von Open Source. Ich verwende fast nur Open Source privat und beruflich. Ich arbeite seit mehr als 10 Jahren mit Linux und Open Source.
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrExcel beschleunigen mit dem mit Windows HPC Server 2008 R2
Excel beschleunigen mit dem mit Windows HPC Server 2008 R2 Steffen Krause Technical Evangelist Microsoft Deutschland GmbH http://blogs.technet.com/steffenk Haftungsausschluss Microsoft kann für die Richtigkeit
MehrMap Reduce on Hadoop Seminar SS09. Similarity Join. Tim Felgentreff, Andrina Mascher
Map Reduce on Hadoop Seminar SS09 Similarity Join Tim Felgentreff, Andrina Mascher Gliederung 2!! Aufgabe!! Demo!! Algorithmus!! Performance!! Veränderte Aufgabenstellung:!! Vergleich mit 1 Seite!! Ausblick!!
Mehrder Analysis für Wirtschaftswissenschaftler, Ingenieure, Naturwissenschaftler und Informatiker. Springer-Gabler-Verlag 2013, 6. Auflage.
S C H R I F T E N V E R Z E I C H N I S Hermann-Josef Kruse Bücher und Zeitschriftenbeiträge Bachmann B, Kleine-Döpke T, Kruse H-J, Ochel L, Proß S (2014) Petri-Netz-Formalismen und Lösungsansätze für
MehrTestplan. Hochschule Luzern Technik & Architektur. Software Komponenten FS13. Gruppe 03 Horw, 16.04.2013
Software Komponenten FS13 Gruppe 03 Horw, 16.04.2013 Bontekoe Christian Estermann Michael Moor Simon Rohrer Felix Autoren Bontekoe Christian Studiengang Informatiker (Berufsbegleitend) Estermann Michael
MehrErfahrungsbericht: Vom FH-Diplom zum Master und Doktorat. Mein Entscheidungsprozess in der Suche nach dem geeigneten Weg
Erfahrungsbericht: Vom FH-Diplom zum Master und Doktorat Mein Entscheidungsprozess in der Suche nach dem geeigneten Weg 1 Agenda Was brauchte es für Master/Doktorat Warum überhaupt ein Master und ein Doktorat
MehrAutoSPARQL. Let Users Query Your Knowledge Base
AutoSPARQL Let Users Query Your Knowledge Base Christian Olczak Seminar aus maschinellem Lernen WS 11/12 Fachgebiet Knowledge Engineering Dr. Heiko Paulheim / Frederik Janssen 07.02.2012 Fachbereich Informatik
MehrUmsetzung von DEA in Excel
Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten
MehrShock pulse measurement principle
Shock pulse measurement principle a [m/s²] 4.0 3.5 3.0 Roller bearing signals in 36 khz range Natural sensor frequency = 36 khz 2.5 2.0 1.5 1.0 0.5 0.0-0.5-1.0-1.5-2.0-2.5-3.0-3.5-4.0 350 360 370 380 390
MehrDIGICOMP OPEN TUESDAY AKTUELLE STANDARDS UND TRENDS IN DER AGILEN SOFTWARE ENTWICKLUNG. Michael Palotas 7. April 2015 1 GRIDFUSION
DIGICOMP OPEN TUESDAY AKTUELLE STANDARDS UND TRENDS IN DER AGILEN SOFTWARE ENTWICKLUNG Michael Palotas 7. April 2015 1 GRIDFUSION IHR REFERENT Gridfusion Software Solutions Kontakt: Michael Palotas Gerbiweg
MehrData Mining und Machine Learning
Data Mining und Machine Learning Teil 7: Verteiltes Rechnen mit Map Reduce Dr. Harald König, FHDW Hannover 30. November 2015 Inhalt 1 Verteiltes Rechnen 2 Map Reduce 3 Anwendungen 4 Map Reduce: Weiterführende
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 2. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Rechnerische Lösung - Simplex- Algorithmus LO - Auswertung des
MehrQuadt Kunststoffapparatebau GmbH
Quadt Kunststoffapparatebau GmbH Industriestraße 4-6 D-53842 Troisdorf/Germany Tel.: +49(0)2241-95125-0 Fax.: +49(0)2241-95125-17 email: info@quadt-kunststoff.de Web: www.quadt-kunststoff.de Page 1 1.
MehrNeue Ansätze der Softwarequalitätssicherung
Neue Ansätze der Softwarequalitätssicherung Googles MapReduce-Framework für verteilte Berechnungen am Beispiel von Apache Hadoop Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik
MehrVom Versprechen zur Wirkung
Vom Versprechen zur Wirkung Impact Monitoring Framework für Offene Daten Dr. Marcus M. Dapp Digital Sustainable Commons ETH Zurich Uni Bern OKF Germany 4. OGD DACHLI»openX«, Wien, 2015 06 24 Das Open Data
MehrHardware/Software-Codesign
Klausur zur Lehrveranstaltung Hardware/Software-Codesign Dr. Christian Plessl Paderborn Center for Parallel Computing Universität Paderborn 8.10.2009 Die Bearbeitungsdauer beträgt 75 Minuten. Es sind keine
MehrHackerpraktikum SS 202
Hackerpraktikum SS 202 Philipp Schwarte, Lars Fischer Universität Siegen April 17, 2012 Philipp Schwarte, Lars Fischer 1/18 Organisation wöchentliche Übung mit Vorlesungsanteil alle zwei Wochen neue Aufgaben
MehrDetecting Near Duplicates for Web Crawling
Detecting Near Duplicates for Web Crawling Gurmeet Singh Manku et al., WWW 2007* * 16th international conference on World Wide Web Detecting Near Duplicates for Web Crawling Finde near duplicates in großen
MehrWissensbasierte Systeme
WBS3 Slide 1 Wissensbasierte Systeme Sebastian Iwanowski FH Wedel Kap. 3: Algorithmische Grundlagen der KI WBS3 Slide 2 Suchstrategien Warum sind Suchstrategien so wichtig in Wissensbasierten Systemen?
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrWerkzeuge der Informatik (CS102) Textverarbeitung
Werkzeuge der Informatik (CS102) Textverarbeitung 11. Dezember 2003 Prof. Dr. Christian Tschudin Departement Informatik, Universität Basel Uebersicht der Sitzung vom 11.12.2003 Textverarbeitung ein Exkurs
MehrBinäre lineare Optimierung mit K*BMDs p.1/42
Binäre lineare Optimierung mit K*BMDs Ralf Wimmer wimmer@informatik.uni-freiburg.de Institut für Informatik Albert-Ludwigs-Universität Freiburg Binäre lineare Optimierung mit K*BMDs p.1/42 Grundlagen Binäre
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrOptimal Control in Air Traffic Management
Optimal Control in Air Traffic Management DGLR Workshop Bestimmung optimaler Trajektorien im Air Traffic Management 23.04.2013 Deutsche Flugsicherung GmbH, Langen 23.04.2013 1 Inhalt. Hintergrund und Motivation.
MehrEinleitung Verfahren Programme Schlüsselverwaltung Passwörter Ende. GPG-Einführung. Martin Schütte. 13. April 2008
GPG-Einführung Martin Schütte 13. April 2008 Einleitung Verfahren Programme Schlüsselverwaltung Passwörter Ende Warum Kryptographie? Vertraulichkeit Mail nur für Empfänger lesbar. Integrität Keine Veränderung
MehrModelle, Verfahren, Software, Anwendungen
Leena Suhl»TaTeb Mellouli Optimierungssysteme Modelle, Verfahren, Software, Anwendungen 3., korrigierte und aktualisierte Auflage ^ Springer Gabler Inhaltsverzeichnis Einleitung 1 1 Optimierungssysteme
MehrInternationaler Studiengang Medieninformatik
Internationaler Studiengang Medieninformatik Master-Studiengang Studienvoraussetzungen erster akademischer Grad (Bachelor) mit mindestens 180 Leistungspunkten Bachelorabschluss Medieninformatik Bachelor-
MehrOliver Huber Slide No. 1
Oliver Huber Slide No. 1 Oliver Huber Slide No. 2 Europäisches Patentamt Das europäische Patenterteilungsverfahren (Artikel 1 EPÜ) Oliver Huber, Prüfer, Telekommunikation Oliver Huber Slide No. 3 Programm
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrDas Studium im Fach Informatik
[Projekttage Studien- und Berufsorientierung der Jgst. 12] Fachbereich Informatik Fakultät für Mathematik und Informatik FernUniversität Hagen 22. Februar 2007 Was Informatik nicht ist Was ist Informatik?
MehrFREUDENBERG IT. Mobile Business Intelligence
FREUDENBERG IT Mobile Business Intelligence Mobile Business Intelligence AGENDA Herausforderung mobiler Lösungen Vorstellung der Produkte Freudenberg ITs Lösungen Warum SAP? Herausforderung mobiler Lösungen
MehrXcalibur-2 Alpha. Time. Christian Rempis University of Applied Sciences Bonn-Rhein-Sieg 17. Januar 2006 1
Time Christian Rempis University of Applied Sciences Bonn-Rhein-Sieg 17. Januar 2006 1 Control and Command Environment for a Robotic Experimenter R&D 1 Examination Presentation by Christian Rempis Christian
MehrCompliance und neue Technologien
Compliance und neue Technologien Urs Fischer, dipl. WP, CRISC, CISA Fischer IT GRC Beratung und Schulung Heiter bis bewölkt! Wohin steuert die Technologie Just What Is Cloud Computing? Rolle des CIO ändert!
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
MehrInformatik oder Wirtschaftsinformatik? Studium an der Universität Oldenburg
oder Wirtschaftsinformatik? Studium an der Universität Oldenburg Dr. Ute Vogel Dr. Jürgen Sauer Hochschulinformationstag am 01.07.2011 HIT am 01.07.2011 Dr. Ute Vogel 1 1. Was ist bzw. Wirtschaftsinformatik?
Mehrinfrastructure definitions example versioning
infrastructure definitions example versioning ATLAS9000 GmbH Landauer Str. - 1 D-68766 Hockenheim +49(0)6205 / 202730 Infrastructure documents Storage ATLAS PLM Archives Drawing Circuit Diagram Work Plan
MehrFAQs zum Bachelorstudiengang Software Engineering PO-Version 2010. Allgemeine Informationen zum Bachelorstudiengang Software Engineering
FAQs zum Bachelorstudiengang Software Engineering PO-Version 2010 Allgemeine Informationen zum Bachelorstudiengang Software Engineering Wann kann das Studium begonnen werden? Im Winter- und Sommersemester
MehrOwnCloud. Florian Preinstorfer. http://nblock.org VALUG 14.02.2014
OwnCloud Florian Preinstorfer http://nblock.org VALUG 14.02.2014 This work is licensed under the Creative Commons Attribution-ShareAlike 3.0 Austria license (CC-BY-SA). Inhalt Einleitung OwnCloud Editions
MehrInformatik oder Wirtschaftsinformatik? Studium an der Universität Oldenburg
oder Wirtschaftsinformatik? Studium an der Universität Oldenburg Dr. Ute Vogel Informationstag am 5. März 2012 Informationstag am 5. März 2012 Dr. Ute Vogel 1 Einleitung 1. Welche Studiengänge gibt es
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
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
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg 19.04.2011
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei
MehrSecurity Patterns. Benny Clauss. Sicherheit in der Softwareentwicklung WS 07/08
Security Patterns Benny Clauss Sicherheit in der Softwareentwicklung WS 07/08 Gliederung Pattern Was ist das? Warum Security Pattern? Security Pattern Aufbau Security Pattern Alternative Beispiel Patternsysteme
MehrTechnical Support Information No. 123 Revision 2 June 2008
I IA Sensors and Communication - Process Analytics - Karlsruhe, Germany Page 6 of 10 Out Baking Of The MicroSAM Analytical Modules Preparatory Works The pre-adjustments and the following operations are
MehrStudents intentions to use wikis in higher education
Students intentions to use wikis in higher education Christian Kummer WI2013, 27.02.2013 Motivation Problem Web 2.0 changed the way that students search for, obtain, and share information Uncertainty about
MehrVorläufige Struktur. Politikwissenschaft/Wirtschaftswissenschaft im Staatsexamensstudiengang Lehramt für Gymnasien
Vorläufige Struktur Politikwissenschaft/Wirtschaftswissenschaft im Staatsexamensstudiengang Lehramt für Gymnasien Der Studiengang wird nur als Hauptfach angeboten, kein Erweiterungsfach, kein Beifach Stand
MehrINFORMATIONSABEND ZUR STUDIEN- UND BERUFSWAHL
11.06.02 VWA VERSICHERUNGSWISSENSCHAFTLICHE ABTEILUNG DER UNIVERSITÄT BASEL 1/10 INFORMATIONSABEND ZUR STUDIEN- UND BERUFSWAHL DAS STUDIUM DER VERSICHERUNGSWISSENSCHAFT AN DER UNIVERSITÄT BASEL INHALT
MehrÜbergang FH ETH am Beispiel der Bauingenieurwissenschaften
Übergang FH ETH am Beispiel der Bauingenieurwissenschaften Campus Hönggerberg 19.11.2008 FH - ETH Zürich 1 Meine Person Enrico Manna Dipl. Bau-Ing. ETH 9 Jahre Berufserfahrung Seit 9 Jahren an der ETH
MehrGoogle Search: Trends 2014. Aktuelle Herausforderungen für die Suchmaschinenoptimierung Referent: Andreas Armbruster, Geschäftsführer seonative GmbH
Google Search: Trends 2014 Aktuelle Herausforderungen für die Suchmaschinenoptimierung Referent: Andreas Armbruster, Geschäftsführer seonative GmbH Jahrgang 1979 Diplom-WiWi (Uni Ulm) Unternehmensgründung
MehrEinleitung Theorie Praxis Demo Gegenmaßnahmen Zusammenfassung. Faulty Hardware. Seminar on Mathematical Weaknesses of Cryptographic Systems
Faulty Hardware Seminar on Mathematical Weaknesses of Cryptographic Systems Martin Heistermann July 17, 2013 Motivation: Beispielszenario Smartcard zur Authentifizierung Geheimnis darf nicht kopierbar
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
MehrGeneralisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE
Institut für Kartographie und Geoinformatik Leibniz Universität Hannover Generalisierung von großen Datenbeständen am Beispiel der Gebäudegeneralisierung mit CHANGE Frank Thiemann, Thomas Globig Frank.Thiemann@ikg.uni-hannover.de
MehrBerechnung von Strukturgleichungsmodellen mit Amos. Im folgenden kurze Einführung: Arbeiten mit Amos Graphics
Oliver Schiling Handout:: Amos 6.0 / Graphics 1 Berechnung von Strukturgleichungsmodellen mit Amos Was kann Amos? Klassische Strukturgleichungsmodelle (Kovarianzstrukturanalysen, Pfadmodelle mit/ohne latente
MehrLeitfaden für die Online-Funktionen für Studierende
UNIVERSITÄT HOHENHEIM ABTEILUNG FÜR STUDIENANGELEGENHEITEN Leitfaden für die Online-Funktionen für Studierende INHALT 1. Einleitung...2 2. Voraussetzungen für die Benutzung der Online-Funktion...2 2.1.
MehrAlgorithms for graph visualization
Algorithms for graph visualization Project - Orthogonal Grid Layout with Small Area W INTER SEMESTER 2013/2014 Martin No llenburg KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrLINDO API, LINGO & What sbest! Power-Anwendungen für Optimierungsaufgaben
LINDO API, LINGO & What sbest! Power-Anwendungen für Optimierungsaufgaben Die LINDO SYSTEMS Produktfamilie Lösungen für unterschiedlichste Optimierungsprobleme. Lösungsmethoden und -algorithmen per API,
MehrSemantische Datenintegration: von der Theorie zur Anwendung
Semantische Datenintegration: von der Theorie zur Anwendung Prof. Dr. Heiner Stuckenschmidt Institut für Enterprise Systems Name und Datum www.uni-mannheim.de Seite 1 Teil I: Grundlagen Das Problem der
Mehr